Análise Da Eficiência Da Geração de Resíduos Sólidos No Âmbito Da Gestão Portuária: Um Estudo Dos Portos Marítimos Brasileiros

ANÁLISE DA EFICIÊNCIA DA GERAÇÃO DE RESÍDUOS SÓLIDOS NO
ÂMBITO DA GESTÃO PORTUÁRIA: UM ESTUDO DOS PORTOS MARÍTIMOS

BRASILEIROS
Breno Tostes de Gomes Garcia
Dissertação de Mestrado apresentada ao Programa

de Pós-Graduação em Engenharia de Transportes,
COPPE, da Universidade Federal do Rio de
Janeiro, como parte dos requisitos necessários à
obtenção do título de Mestre em Engenharia de
Transportes.
Orientadores: Marcelino Aurélio Vieira da Silva

Marcos Aurélio Vasconcelos de
Freitas
Rio de Janeiro
Dezembro de 2017
Garcia, Breno Tostes de Gomes
Análise da Eficiência da Geração de Resíduos Sólidos
no Âmbito da Gestão Portuária: Um Estudo dos Portos
Marítimos Brasileiros / Breno Tostes de Gomes Garcia –
Rio de Janeiro: UFRJ/COPPE, 2017.
XIII, 114 p.: il.; 29,7 cm.
Marcos Aurélio Vasconcelos de Freitas
Dissertação (Mestrado) – UFRJ/ COPPE/ Programa de
Engenharia de Transportes, 2017
Referências Bibliográficas: p. 99-114.
1. Gestão das Operações Portuárias. 2. Gestão de
Resíduos Sólidos. 3. Análise Envoltória de Dados (DEA).
I. Silva, Marcelino Aurélio Vieira da et al. II. Universidade
Federal do Rio de Janeiro, COPPE, Programa de
Engenharia de Transportes. III. Título.
iii
AGRADECIMENTOS
O desenvolvimento desta dissertação só foi possível graças à um seleto grupo de pessoas

que, de alguma forma, fizeram a diferença durante este período da minha vida. Afinal,
este trabalho não foi um mero rito acadêmico. Mas, sim, o resultado de todo o esforço e
sistemática dedicação empreendida durante todo este tempo.
Em primeiro lugar, gostaria de agradecer a Deus por ter me dado forças e tranquilidade
para conseguir superar os diversos obstáculos – e não foram poucos – que surgiram ao
longo deste tempo, necessários para o meu amadurecimento pessoal.
Sou muito grato à minha mãe, a minha avó e a minha tia avó, Maria Angélica, Alice e tia
Aninha, em especial, por estarem sempre do meu lado nos momentos mais difíceis da
minha vida, onde nunca duvidaram do meu potencial na conclusão desta missão.
Agradeço ao meu pai e da minha madrasta, Paulo Márcio e Rute, que sempre me deram
apoio e incentivos. Tais incentivos foram necessários para me manter na direção correta.
Agradeço aos meus irmãos, Lucas, Liana e Ana Vitória por tornarem os dias menos
estressantes onde, cada um a seu modo, proporcionaram momentos de descontração e
gargalhadas.
Tão importante quanto, gostaria de agradecer aos meus orientadores. Ao Marcelino

Aurélio pela serenidade nos momentos mais difíceis, e os inúmeros incentivos, fraternos
conselhos e orientações, coisa que só um grande amigo e/ou um pai faz. Ao longo deste
tempo, foram muitas emoções, boas e ruins. E foram nos piores momentos que o
sentimento de “companheiro de farda” mais se fez presente, o que motivou, e continua a
motivar, a querer ser um dos soldados nesta batalha. Ao Marcos Freitas por sempre me
incentivar a continuar a fazer o que amo, que é pesquisar.
Agradeço ao IVIG, onde foi possível ter acesso a uma infinidade de conteúdos sobre os
portos do Brasil o que permitiu realizar esta pesquisa, além do contato direto com os mais
diversos profissionais e especialistas ligados ao setor portuário.
iv
Acho que faltam palavras no dicionário para denotar tamanha gratidão que tenho pela
Vania Sanches, onde me sinto até hoje acolhido como um filho teu. Neste período, as
muitas horas de conversas e sabedoria transmitida, que carregarei para o resto da minha
vida, foram essenciais nos momentos em que as decisões mais difíceis foram tomadas,
sem sombra de dúvida da melhor forma possível.
O agradecimento que tenho à minha namorada, Carla Teixeira, é especial. Você é uma
companheira inequívoca. Esteve do meu lado nas diversas madrugadas que fiquei
acordado para desenvolver este trabalho, onde nunca duvidou, sequer por um só segundo
que fosse, da importância desta jornada para mim. O teu carinho, compreensão e o teu
espírito alegre tornou esta jornada menos difícil.
Igualmente importantes foram os amigos do IVIG, presentes no cotidiano de trabalho,

solucionado problemas, dando apoio técnico e emocional de forma muito próxima ao
longo desta jornada. Ao Rodrigo, Clarice, Thales, Pedro, Betina, Bruna, Ramiro, Regina,
dentre tantos outros, meu muito obrigado.
Aos meus amigos pessoais, Luiz Antônio (Lula) e Bernardo pelo apoio e incentivo
sistemático de correr atrás dos meus sonhos. Também gostaria de agradecer ao Mestre
Tigrinho pelos treinos, apesar de breves, mas muito importante durante todo este período
de desenvolvimento da dissertação. Agradeço a todos os companheiros de tatame tais
como; Wellintong, Walter (quem é Walter?), Fred, Nathalia, Pedro, Sheldon, Professor e
entre muitos outros colegas de tatame que fizeram a diferença nos treinos.
Devo também agradecimentos aos funcionários e professores do PET, à Jane e a Dona

Helena, pelos diversos obstáculos superados. Dedico também aos amigos que adquiri no
PET; Beatriz, Igor Godeiro, Bruno Guida, Clara, Gabriella, Brandão, Diana, Luid e Bruno
Lemos.
Agradeço a CAPES pela concessão do apoio financeiro, substancial para que eu pudesse
me dedicar à ciência neste meu início de carreira, e aos integrantes da banca, por
aceitarem o convite para contribuir com o desenvolvimento da dissertação.
v
Resumo da Dissertação apresentada à COPPE/UFRJ como parte dos requisitos
necessários para a obtenção do grau de Mestre em Ciências (M. Sc.)
ANÁLISE DA EFICIÊNCIA DA GERAÇÃO DE RESÍDUOS SÓLIDOS NO

ÂMBITO DA GESTÃO PORTUÁRIA: UM ESTUDO DOS PORTOS MARÍTIMOS
BRASILEIROS

Dezembro/2017

Programa: Engenharia de Transportes
É inegável a importância do setor portuário no desenvolvimento da economia

mundial, e no Brasil não é diferente. Com isso, é de suma importância que os portos
marítimos brasileiros sejam eficientes na gestão das operações de movimentação de
carga, pois, do contrário, o setor produtivo brasileiro passa a ter uma desvantagem
competitiva no mercado internacional. Um dos resultados da ineficiência nas operações
portuárias é a geração de resíduos sólidos, cujo inventário foi obtido por meio dos
relatórios diagnósticos, fruto da parceria entre a SEP/PR e a UFRJ. Para isto, foi aplicado
o método Network Two-Stage DEA em 19 portos marítimos brasileiros, com o intuito de
analisar a eficiência dos portos considerando dois estágios. No primeiro estágio analisou
a eficiência da gestão das operações portuárias, que considerou variáveis de infraestrutura
(quantidade de berços, extensão de cais e área de armazenagem) e da operação portuária
(quantidade de atracações e movimentação de carga). No segundo estágio, analisou a
eficiência da gestão de resíduos sólidos, tendo as variáveis operacionais do estágio
anterior como inputs e a geração de resíduos sólidos como um output indesejável. O
resultado evidenciou que o porto de Salvador foi o mais eficiente da amostra, sendo o
único porto eficiente no segundo estágio, o que permitiu refutar a hipótese deste trabalho.
vi
Abstract of Dissertation presented to COPPE/UFRJ as a partial fulfillment of the
requirements for the degree of Master of Science (M.Sc.)
ANALYSIS OF THE EFFICIENCY OF THE SOLID WASTE GENERATION IN

THE SCOPE OF PORT MANAGEMENT: A STUDY OF BRAZILIAN SEAPORTS

December/2017
Advisors: Marcelino Aurélio Vieira da Silva

Department: Transport Engineering
The importance of the port sector in the development of the world economy is
undeniable, and Brazil is no different. Therefore, it is extremely important that Brazilian
seaports are efficient in the management of cargo handling operations, otherwise the
Brazilian productive sector will have a competitive disadvantage in the international
market. One of the results of inefficiency in port operations is the generation of solid
waste, whose inventory was obtained through diagnostic reports, the result of a
partnership between SEP / PR and UFRJ. For this, the Network Two-Stage DEA method
was applied in 19 Brazilian seaports, with the purpose of analyzing the efficiency of the
ports considering two stages. In the first stage, it analyzed the efficiency of port operations
management, which considered infrastructure variables (number of berths, berth
extension and storage area) and port operation (number of berths and cargo movement).
In the second stage, it analyzed the efficiency of solid waste management, with the
operational variables of the previous stage as inputs and the generation of solid waste as
an undesirable output. The result evidenced that the port of Salvador was the most
efficient of the sample, being the only port efficient in the second stage, which allowed
to refute the hypothesis of this work.
vii
SUMÁRIO
LISTA DE FIGURAS..................................................................................................... x
LISTA DE TABELAS .................................................................................................. xii
1 INTRODUÇÃO ...................................................................................................... 1
1.1 Considerações Iniciais ....................................................................................... 1
1.2 Problema de Pesquisa e Hipótese ...................................................................... 2
1.3 Justificativa ........................................................................................................ 3
1.4 Objetivos Geral e Específico ............................................................................. 3
1.5 Estrutura da Dissertação .................................................................................... 4
2 SETOR PORTUÁRIO ........................................................................................... 5
2.1 Portos Marítimos................................................................................................ 8
2.2 Gestão Portuária ............................................................................................... 16
2.2.1 Operações Portuárias ................................................................................ 19
2.3 Gestão de Resíduos nos Portos ........................................................................ 21
2.4 Avaliação de Desempenho nos Portos Marítimos ........................................... 26
2.4.1 Indicadores e Medidas de Desempenho em Portos Marítimos................. 28
2.4.2 Eficiência na Operação Portuária ............................................................. 29
3 ANÁLISE ENVOLTÓRIA DE DADOS (DEA) ................................................ 32
3.1 Conceitos e Definições .................................................................................... 32
3.2 Modelos Clássicos DEA .................................................................................. 35
3.2.1 Modelo CCR ............................................................................................. 35
3.2.2 Modelo BCC ............................................................................................. 39
3.3 Outputs indesejados ......................................................................................... 40
3.4 Método Network DEA ..................................................................................... 41
3.4.1 Modelo Network Two-Stage DEA ........................................................... 45
3.5 DEA Aplicado no Setor Portuário ................................................................... 52
3.6 Seleção das variáveis inputs e outputs ............................................................. 59
4 MATERIAIS E MÉTODOS ................................................................................ 63
viii
4.1 Revisão Bibliográfica ...................................................................................... 64
4.2 Seleção dos Portos Marítimos.......................................................................... 65
4.3 Seleção do Modelo DEA, Orientação e Variáveis do Problema ..................... 65
4.4 Aplicação do Método DEA.............................................................................. 69
5 RESULTADOS ..................................................................................................... 71
5.1 Resultados do Modelo Two-Stage DEA Relacional Multiplicativo ................ 71
5.2 Resultado da Análise Independente dos Estágios ............................................ 81
6 CONCLUSÃO....................................................................................................... 97
REFERÊNCIAS BIBLIOGRÁFICAS ....................................................................... 99
ix
LISTA DE FIGURAS
Figura 1: Mapa dos principais portos e TUPs do Brasil ................................................... 6

Figura 2: Quantidade, em milhões de toneladas, de bens importados e exportados no
Brasil no período entre 2010 a 2016. ................................................................................ 6
Figura 3: Percentual de bens importados e exportados para o Brasil no período entre 2010
e 2016. .............................................................................................................................. 7
Figura 4: Percentual da quantidade de bens transportados por modo de transportes entre
2010 e 2016, no Brasil. ..................................................................................................... 8
Figura 5: Percentual da quantidade média de carga transportada, por natureza de carga,
no período entre 2010 e 2016 ......................................................................................... 12
Figura 6: Quantidade de carga movimentada pelo setor portuário brasileiro, por natureza
de carga, no período entre 2010 e 2016 .......................................................................... 12
Figura 7: Quantidade de carga para a exportação, utilizando o setor portuário brasileiro,
conforme a natureza de carga, no período entre 2010 e 2016 ........................................ 13
Figura 8: Percentual da quantidade média de carga exportada do Brasil, por natureza de
carga, no período entre 2010 e 2016............................................................................... 14
Figura 9: Quantidade de carga para a importação, utilizando o setor portuário brasileiro,
conforme a natureza de carga, no período entre 2010 e 2016 ........................................ 15
Figura 10: Percentual de carga importada, dada sua natureza no ano de 2016, no Brasil
........................................................................................................................................ 15
Figura 11: Modelo Network Two-Stage DEA estruturado em série fechado ................. 42
Figura 12: Modelo Network Two-Stage DEA estruturado em série aberto .................... 42
Figura 13: Modelo Network DEA estruturado em paralelo ............................................ 43
Figura 14:Modelo Network DEA considerando a tecnologia de produção dinâmica .... 43
Figura 15: Modelo Network Two-Stage DEA ................................................................ 44
Figura 16: Percentual dos tipos de inputs utilizados nos trabalhos científicos levantados,
que aplicaram DEA no setor portuário. .......................................................................... 55
Figura 17: Percentual dos inputs de infraestrutura mais utilizados nos trabalhos
levantados ....................................................................................................................... 56
Figura 18: Percentual dos tipos de outputs mais utilizados nos trabalhos científicos
levantados que aplicaram DEA no setor portuário ......................................................... 57
Figura 19: Percentual dos outputs mais utilizados nos trabalhos científicos levantados que
aplicaram DEA no setor portuário .................................................................................. 57
x
Figura 20: Percentual dos modelos adotados pelos autores nos trabalhos levantados ... 58
Figura 21: Fluxograma do procedimento metodológico da pesquisa ............................. 64
Figura 22: Modelo Network Two-Stage DEA adotado no estudo de caso desta dissertação
........................................................................................................................................ 69
Figura 23: Valores médios, máximos e mínimos dos indicadores de eficiência global e do
primeiro e segundo estágios do modelo Two-Stage DEA .............................................. 72
Figura 24: Resultado do índice de eficiência do primeiro estágio do modelo Network Two-
Stage DEA. ..................................................................................................................... 73
Figura 25: Resultado do índice de eficiência do segundo estágio do modelo Network Two-
Stage DEA. ..................................................................................................................... 73
Figura 26: Relação das eficiências do primeiro e do segundo estágios ......................... 74
Figura 27:Resultado do indicador de eficiências global do modelo Network Two-Stage
DEA. ............................................................................................................................... 75
xi
LISTA DE TABELAS
Tabela 1: Modelos de gestão portuária ........................................................................... 17

Tabela 2:Síntese do levantamento da legislação e normas acerca dos resíduos sólidos
aplicado nos portos brasileiros ....................................................................................... 25
Tabela 3: Valores das variáveis consideradas no problema ........................................... 69
Tabela 4: Resultado das eficiências global, do primeiro e do segundo estágios do modelo
Two-Stage DEA .............................................................................................................. 71
Tabela 5: Pesos atribuídos às variáveis pelo modelo Two-Stage DEA .......................... 75
Tabela 6: Índices de eficiência padrão, invertida, composta, composta normalizada e
hierarquização ................................................................................................................. 82
Tabela 7: Pesos atribuídos pelo modelo CCR tradicional na análise da eficiência da gestão
das operações portuárias ................................................................................................. 84
Tabela 8: Índices de benchmark do modelo DEA CCR, em que analisa a eficiência da
gestão da operação portuária .......................................................................................... 86
Tabela 9: Alvos e folgas das DMUs ineficientes apresentado pelo modelo DEA CCR
orientado a output na análise da eficiência da gestão da operação portuária ................. 87
Tabela 10: Índices de eficiência padrão, invertida, composta, composta normalizada
(Composta*) e hierarquização do modelo CCR orientado a output na análise da eficiência
da gestão de resíduos sólidos .......................................................................................... 90
Tabela 11: Pesos atribuídos pelo modelo CCR orientado a output, na análise da eficiência
da gestão dos resíduos sólidos ........................................................................................ 91
Tabela 12: Índice de referência apresentado pelo modelo DEA CCR orientado a output,
na análise da eficiência da gestão dos resíduos sólidos .................................................. 92
Tabela 13: Alvos e folgas das DMUs ineficientes apresentados pelo modelo DEA CCR
orientado a output, na análise da eficiência da gestão dos resíduos sólidos ................... 94
xii
ABREVIATURAS
ANTAQ – Agência Nacional de Transportes Aquaviários
ANVISA – Agência Nacional de Vigilância Sanitária
BCC – Banker, Charnes and Cooper
BNDES – Banco Nacional de Desenvolvimento Econômico e Social
CCR – Charnes, Cooper and Rhodes
CONAMA – Conselho Nacional de Meio Ambiente
CONIT – Conselho Nacional de Integração de Políticas de Transportes
DEA – Data Envelopment Analysis
DMU – Decision Making Unit
ETC – Estação de Transbordo de Carga
IBGE – Instituto Brasileiro de Geografia e Estatística
IMO – International Maritime Organization
IP4 – Instalação Portuária Pública de Pequeno Porte
IPEA – Instituto de Pesquisa Econômica Aplicada
IVIG – Instituto Virtual Internacional de Mudanças Globais
Kg – Quilograma
MARPOL 73/78 – Convenção Internacional para a Prevenção da Poluição por Navios

(Marinne Pollution) 1973-1978
MDIC – Ministério da Indústria Comércio Exterior e Serviços
MPH – Movimentos Por Hora
MTE – Ministério do Trabalho e Previdência Social
MTPAC – Ministério dos Transportes, Portos e Aviação Civil
PGRS – Plano de Gerenciamento de Resíduos Sólidos
PNRS – Política Nacional de Resíduos Sólidos
SEP/PR – Secretaria Especial de Portos da Presidência da República
TUP – Terminal de Uso Privado
xiii
1 INTRODUÇÃO
1.1 Considerações Iniciais

Num mundo globalizado, o desenvolvimento da economia e de muitos países é cada vez
mais dependente do modo de transporte marítimo, tendo os portos como as principais portas
de entrada e saída, que permitem interligar as regiões produtoras às regiões consumidoras
(CERCEAU et al., 2014; HIRANANDANI, 2014; TONOLLI et al., 2015).
Segundo Wang e Zhao (2016), o desenvolvimento do transporte marítimo e da indústria

portuária são fundamentais para as economias mundiais, dado que, 90% do comércio
internacional utiliza o modo de transpobrte marítimo para movimentar as cargas. Além disto,
o modo de transporte marítimo possibilita o desenvolvimento do setor industrial, apoiando
o crescimento da manufatura a partir da aproximação entre consumidores e indústrias,
promovendo a integração econômica e comercial da região onde o porto se situa
(UNCTAD/RMT, 2016).
Diante de um cenário como este, e do ambiente competitivo do comércio exterior, as

empresas para se manterem rentáveis buscam por serviços logísticos mais eficientes, visando
à qualidade, o preço e agilidade nas entregas (BEUREN et al., 2016).
Sendo assim, o setor portuário moveu-se no sentido de se adequar à nova dinâmica do

comércio exterior. Foram investidos recursos financeiros na modernização da infraestrutura
dos portos como por exemplo, a aquisição de equipamentos destinados na movimentação
das mercadorias. Além disto, métodos mais modernos foram adotados no gerenciamento
empresarial e mudanças nos procedimentos de operações portuárias que permitiram
aumentar a qualidade dos serviços prestados e a redução dos preços (ACOSTA et al., 2011;
FALCÃO e CORREIA, 2012; MONIÉ e VIDAL, 2006).
Uma das externalidades das operações portuárias é a geração de resíduos sólidos, cujos
impactos ambientais são fontes de preocupação para os envolvidos do setor, tais como
empresas privadas, entidades da administração pública (governos federal, estadual e
municipal, ANTAQ (Agência Nacional de Transportes Aquaviários), autoridades portuárias,
ANVISA (Agência Nacional de Vigilância Sanitária), entre outros) e sociedade civil.
1
As atividades portuárias podem causar impactos de ordem ambiental, social, econômica,
entre outras, devido, principalmente, aos resíduos gerados nas operações portuárias e nas
embarcações (FREITAS, 2015). Jesus (2015) afirma que os resíduos gerados nas operações
portuárias são provenientes da ineficiência na execução das atividades necessárias para a
movimentação das cargas.
Esta pesquisa torna-se relevante ao analisar a eficiência da gestão das operações nos portos
marítimos brasileiros, onde foi considerado à geração de resíduos sólidos, uma externalidade
inerente às atividades de movimentação de cargas.
No auxílio das análises foi adotado o modelo Network Two-Stage DEA, por permitir que as
análises sejam segregadas em estágios. No primeiro estágio analisou-se a eficiência da
operação portuária e, no segundo estágio analisou-se a eficiência do porto quanto à redução
na geração de resíduos.
Os resultados apresentados pelo modelo Network Two-Stage DEA possibilitaram uma maior
compreensão acerca da influência da eficiência da gestão portuária na geração dos resíduos
nos portos marítimos brasileiros.
1.2 Problema de Pesquisa e Hipótese

Diante da acirrada concorrência e da exigência por serviços de transportes mais eficientes,
além das pressões por melhores práticas visando a redução dos impactos ambientais
causados pelas operações portuárias, os portos marítimos brasileiros, em geral, moveram-se
na direção de se adequarem a esta nova demanda.
Diante das exigências por melhores práticas operacionais, a questão de pesquisa a ser
respondida é: os portos marítimos brasileiros cuja gestão operacional portuária é eficiente,
também apresentam eficiência na gestão de resíduos sólidos? A hipótese considera é que a
gestão portuária eficiente possibilita uma gestão de resíduos sólidos mais eficientes,
resultando numa menor geração de resíduos sólidos.
2
1.3 Justificativa
O setor portuário brasileiro é responsável por mais de 90% de todas as mercadorias
importadas e exportadas (SOUSA JÚNIOR, 2010). Logo, a eficiência na gestão das
operações portuárias é vital para a economia da nação e principalmente para a população
brasileira.
Segundo Jesus (2015), a geração de resíduos sólidos é um fator de ineficiência nas operações
portuárias. Entretanto, até o ano de 2014, data das publicações dos Relatórios Diagnósticos
do Projeto de Conformidade, o setor portuário carecia de informações quanto à geração de
resíduos sólidos (tipologias de resíduos e quantidades geradas).
Em posse destas informações, foi possível analisar à eficiência dos portos considerando à
geração dos resíduos sólidos. Para isto, foi utilizado o modelo Network Two-Stage DEA com
o intuito de segregar a análise em dois estágios relacionados entre si. No primeiro estágio,
analisou à eficiência da operação portuária e, no segundo estágio, analisou à eficiência da
geração dos resíduos sólidos, dado que o output do primeiro estágio como o input do segundo
estágio.
Diante disto, foi possível identificar os portos mais eficientes e, consequentemente, os portos
mais ineficientes e qual o estágio que influenciou na ineficiência do porto. Com isto, esta
pesquisa tem uma relevante contribuição ao meio científico ao analisar à eficiência da gestão
das operações portuárias, considerando à geração dos resíduos sólidos como uma
externalidade destas operações.
1.4 Objetivos Geral e Específico

Para conseguir responder ao problema de pesquisa, esta dissertação tem como objetivo geral
analisar a eficiência da gestão das operações portuárias e da gestão de resíduos sólidos nos
portos marítimos brasileiros, utilizando o método DEA.
 Levantar por meio de pesquisa bibliográfica, os conceitos e as ações necessárias para

a gestão portuária eficiente;
3
 Levantar e identificar as medidas de eficiência adotadas na gestão dos portos
marítimos brasileiros, no âmbito das operações portuárias;
 Analisar de forma individual e comparativa, os portos que apresentaram elevados
índices de eficiência nas operações portuárias também apresentaram elevados índices
de eficiência quanto à geração de resíduos sólidos, e vice-versa;
1.5 Estrutura da Dissertação

A dissertação foi organizada de maneira que a compreensão das ideias e dos conceitos
adotados sejam adequados. Sendo assim, na seção 2 é apresentada a contextualização da
dissertação, onde são apresentados os conceitos e terminologias adotados pelo setor
portuário quanto as operações portuárias e geração de resíduos, além de apresentar uma
discussão quanto à avaliação do desempenho dos portos.
Na seção 3 é apresentado o método DEA adotado nesta dissertação para avaliar à gestão
portuária, onde é apresentado as variáveis adotadas neste trabalho tais como, de
infraestrutura, de operação e de geração de resíduos. Ao considerar o problema de pesquisa
e suas variáveis, fez-se necessário levantar os conceitos sobre as implicações de se utilizar
outputs indesejados no modelo, além dos tratamentos necessários para incorporar
adequadamente esta variável ao problema de pesquisa.
Na seção 4 é apresentado o procedimento metodológico considerado nesta pesquisa e as

devidas justificativas acerca da escolha dos modelos DEA, sua orientação, variáveis do
problema, além da escolha da abordagem adotada para o tratamento da variável indesejada
do problema.
Na seção 5 são apresentados e discutidos os resultados obtidos por meio dos modelos DEA.
Nesta seção são abordados aspectos da influência da gestão portuária na geração dos resíduos
sólidos nos portos marítimos brasileiros.
Por fim, a seção 6 apresenta a conclusão decorrente de todo o estudo e as recomendações

para trabalhos futuros e, em seguida, encontra-se disponível as referências utilizadas ao
longo desta pesquisa.
4
2 SETOR PORTUÁRIO
O setor de transporte aquaviário brasileiro conta com a Agência Nacional de Transportes
Aquaviários (ANTAQ) que é uma autarquia especial, integrante da administração federal
indireta e vinculada ao Ministério dos Transportes, Portos e Aviação Civil (MTPAC), e tem
por finalidade implementar as políticas formuladas pelo ministério a que se está subordinada
e pelo Conselho Nacional de Integração de Políticas de Transportes (CONIT) (ANTAQ,
2017a). Além disto, é de responsabilidade da ANTAQ regular, supervisionar, e fiscalizar as
atividades relativas à prestação de serviços no transporte aquaviário e à exploração da
infraestrutura portuária e aquaviária (ANTAQ, 2017a; BRASIL, 2001).
No ano de 2007, o Governo Federal criou a Secretaria Especial de Portos da Presidência da

República (SEP/PR), vinculada à Presidência da República do Brasil, cujo objetivo é
formular políticas e diretrizes visando o desenvolvimento e o fomento do setor portuário
(portos, instalações portuárias marítimas, fluviais e lacustres), por meio da promoção da
execução e avaliação de medidas, programas, projetos de apoio ao desenvolvimento da
infraestrutura e da superestrutura deste setor (BRASIL, 2007). Entretanto, no ano de 2016,
a SEP/PR foi extinta e suas funções foram transferidas para o MTPAC, conforme Lei nº
13.341/2016 (BRASIL, 2016).
As instalações portuárias brasileiras são apresentadas em quatro tipos que são; porto
organizado, Terminal de Uso Privativo (TUP), Estação de Transbordo de Carga (ETC) e
Instalação Portuária Pública de Pequeno Porte (IP4) (CARMO, 2015).
A área do território brasileiro é de 8,516 milhões de quilômetros quadrados (Km²),

aproximadamente, e conta com 8,511 mil Km de costa navegável (IBGE, 2017a; MTPAC,
2017). Dada estas dimensões, o transporte aquaviário brasileiro conta com 37 portos
marítimos e 160 terminais de uso privado (TUP), conforme é possível observar na Figura 1
(ANTAQ, 2017b; BRASIL, 2015).
5
Figura 1: Mapa dos principais portos e TUPs do Brasil
Fonte: Elaboração própria
Num período de seis anos, entre 2010 e 2016, os portos e TUPs brasileiros movimentaram,
em média, 718,371 milhões de toneladas de mercadorias (Figura 2), o que representa em
valores monetários um montante de US$ 2,927 trilhão (MDIC, 2017).
Figura 2: Quantidade, em milhões de toneladas, de bens importados e exportados no Brasil no período entre
2010 a 2016.
Fonte: Adaptado de (MDIC, 2017).
6
A Figura 2 evidencia o aumento significativo na quantidade de bens transportados obtidos
no comércio exterior, principalmente no período entre 2012 e 2015. No período entre 2010
e 2016, o aumento da quantidade de bens importados e exportados foi de 19,39% (MDIC,
2017). Entretanto, o ano de 2012 foi o único que apresentou queda nas importações e
exportações brasileiras, na comparação com o ano anterior, dado a crise econômica que
assolou boa parte das economias mundiais. Nos anos seguintes a esta crise, entre 2013 e
2016, o comércio internacional brasileiro foi marcado por uma recuperação acumulada de
14,11% no período.
A balança comercial brasileira apresentou um volume de importação maior quando

comparado com a quantidade de bens exportados, conforme é possível observar no Figura
3. No que se refere à importação, a média da quantidade de bens transportados foi de 148,344
milhões de toneladas. Nas exportações esta média foi 284,26% maior, com 570,027 milhões
de toneladas no mesmo período de tempo (MDIC, 2017).
Figura 3: Percentual de bens importados e exportados para o Brasil no período entre 2010 e 2016.
Fonte: Adaptado de (MDIC, 2017).
Dada à dimensão territorial do Brasil, o transporte marítimo foi o modo de transportes que
mais movimentou cargas (Figura 4). No ano de 2016, o transporte marítimo foi responsável
pela importação e exportação de cerca de 616,5 milhões de toneladas de carga, representando
96,30% do total de cargas transportadas. Na média, o transporte marítimo movimenta cerca
de 547,91 milhões de toneladas de carga.
7
Figura 4: Percentual da quantidade de bens transportados por modo de transportes entre 2010 e 2016, no
Brasil.
Fonte: Adaptado de (MDIC, 2017)
Na segunda posição, o modo de transporte fluvial foi o segundo mais utilizado para a
importação e exportação de cargas, cuja representatividade oscilou entre 2,36% (12,7
milhões de toneladas), em 2012, a 3,06% (17,5 milhões de toneladas), em 2014 (MDIC,
2017). Por fim, os modos de transportes rodoviário, meios próprios1, não declarado,
ferroviário, aéreo, postal, lacustre e dutoviário foram agrupados na categoria ‘Demais modos
de transportes’ porque transportaram menos de 1% da quantidade total de bens no período.
A partir do exposto, é possível concluir que o transporte marítimo é o principal meio de

transporte na movimentação de bens advindos do comércio internacional, conforme
evidenciado no Figura 4, num período de seis anos (2010 a 2016), pelo menos 95% dos bens
oriundos do comércio exterior utilizaram os portos e instalações portuárias.
2.1 Portos Marítimos

Diante da importância do setor portuário no desenvolvimento econômico do Brasil, a
presente dissertação se debruçou sobre o modo de transporte aquaviário, e nesta subseção
serão expostos os principais conceitos e definições deste modo de transportes.
1
O modo de transporte “meios próprios” é para os bens que são autotransportáveis, tais como, embarcações,
aeronaves, bens transportados em mãos como, joias, e pedras preciosas, ou, bens transportados “em veículos
do próprio exportador ou importador e em outros veículos dispensados de emissão desses documentos, na
forma da legislação de transporte vigente” (MDIC, 2017).
8
O modo de transporte aquaviário, segundo a lei nº 12.379/11, é composto pelas vias
navegáveis, pelos portos marítimos e fluviais, pelos dispositivos que permitem a
transposição de nível (como por exemplo, as eclusas), pelas interligações aquaviárias de
bacias hidrográficas e pelas instalações e estruturas destinadas à operação e à segurança da
navegação aquaviária (BRASIL, 2011).
O Poder Legislativo brasileiro promulgou a lei nº 12.815/13, conhecida como Lei de

Modernização dos Portos que define porto organizado como;
Bem público construído e aparelhado para atender a necessidades de navegação,

de movimentação de passageiros ou de movimentação e armazenagem de
mercadorias, e cujo tráfego e operações portuárias estejam sob jurisdição de
autoridade portuária (BRASIL, 2013)
A Lei de Modernização dos Portos (lei nº 12.815/13) foi um substituto da lei nº 8.630/93,
que, na época, ficou conhecida como a “Lei dos Portos” (SILVA, 2014). Para BNDES
(2012), os portos organizados são aqueles que estão sob a competência de uma autoridade
portuária.
Goes Filho (2010) define porto como qualquer lugar que possibilita realizar o transbordo de
bens ou passageiros, entre o tráfego marítimo e o terrestre. Ainda para o mesmo autor, os
portos devem ter fácil acesso terrestre, ter profundidade compatível e instalações de
acostagem adequada aos navios que a eles se destinam, capacidade para movimentar as
cargas, abrigo para os navios e adequada áreas de estocagem para as cargas que se destinam
a atender.
Sousa Júnior (2010) afirma que o porto é um elo da cadeia de transportes, tendo como
objetivo promover a integração entre as sociedades que detêm produtos diferentes. No que
tange ao transporte de cargas, o porto influencia diretamente no crescimento da economia
da região e do seu entorno (hinterland) e, de certa forma “pode ser considerado como indutor
de crescimento econômico da região no seu entorno” (SOUSA JÚNIOR, 2010, p. 6).
Para Acosta (2008), o porto organizado consiste numa área que compreende as instalações
portuárias, tais como; “ancoradouros, docas, cais, armazéns, edificações, vias de circulação
9
interna, acesso aquaviário”, entre outros, permitindo que as atividades de movimentação e
armazenagem dos bens oriundos ou destinados ao transporte aquaviário (ACOSTA, 2008,
p. 23).
Segundo a Lei de Modernização dos Portos – lei nº 12.815/2013 – , a Área do Porto

Organizado é aquela que “compreende as instalações portuárias e a infraestrutura de
proteção e de acesso ao porto organizado” (BRASIL, 2013, p. 1). Segundo a mesma
legislação, define-se instalação portuária como àquela que se encontra dentro ou fora da área
do porto organizado com a finalidade de transportar e armazenar mercadorias e movimentar
passageiros, por meio do transporte aquaviário (BRASIL, 2013; SILVA, 2014).
Para que as atividades portuárias possam ser executadas, é imprescindível que a

infraestrutura seja coerente com as características das atividades de movimentação de carga
do porto. Com isso, Acosta (2008) e Lacerda (2005) afirmam que a infraestrutura portuária
é composta pelos ativos fixos que permitem movimentar as cargas entre os navios e os modos
de transportes terrestres.
A infraestrutura portuária pode ser dividida em dois tipos; terrestre e marítima. A primeira
possibilita carregar e descarregar as cargas entre as embarcações e o limite da área do porto.
Ou seja, a infraestrutura terrestre é formada por equipamentos e instalações físicas em terra
que permitam movimentar as cargas dentro da área do porto por meio das vias ferroviárias,
rodoviárias, por dutos e correias transportadoras, pátios dos terminais de embarque e
desembarque das cargas, entre outros (ACOSTA, 2008; LACERDA, 2005).
A infraestrutura aquaviária permite o trânsito das embarcações em direção aos portos e ao

mar. Para isto, é preciso que haja os “canais de acesso aos portos, bacias de evolução, quebra-
mares e berços de atracação” (ACOSTA, 2008, p. 24). A superestrutura portuária é formada
pelos equipamentos que carregam e descarregam os navios, assim como os armazéns, silos
e entre outros (CRAVEIRO, 2015).
Goes Filho (2010) afirma que o arranjo geral dos portos, normalmente, se distingue em três
partes: canal de acesso, anteporto e o porto propriamente dito, considerando a bacia de
evolução e as instalações de acostagem.
10
Para o mesmo autor, o canal de acesso “liga as profundidades existentes em alto mar às
instalações internas do porto”, permitindo o transito de navios (GOES FILHO, 2010, p. 28).
O anteporto é a “área marítima onde os navios fundeiam” ao entrar no porto, onde aguardam
a visita das autoridades policiais, aduaneiras e da saúde com o intuído de desembaraçar o
navio para a atracação (GOES FILHO, 2010, p. 28). Por fim, o porto é o local que se
encontram “as instalações de acostagem para os navios em frente às quais se apresenta a
bacia de evolução”, utilizada para manobras de atracação e desatracação dos navios (GOES
FILHO, 2010, p. 29).
Conforme já mencionado, a infraestrutura e superestrutura devem ser coerentes com o tipo

de carga movimentada. Com isso, faz-se necessário apresentar a classificação das cargas
movimentadas nos portos e terminais portuários, a partir da natureza da carga, sua forma e
da dificuldade de manuseio (FONTES, 2006). Quanto a natureza, as cargas são divididas
em: granel sólido, granel líquido e carga geral definidas da seguinte forma (ANTAQ, 2009,
2014; FONTES, 2006):
 Granel Sólido: é a carga seca fragmentada, transportada em grandes quantidades

diretamente nos porões do navio sem embalagem, como por exemplo, minérios e
grãos.
 Granel Líquido: é a carga no estado líquido, transportada diretamente nos porões do
navio, sem embalagem e em grandes quantidades, movimentadas por meio de dutos
e bombas, como por exemplo, petróleo e seus derivados, óleos vegetais, sucos de
laranja, entre outros.
 Carga Geral: são as mercadorias que não se encaixam nas categorias de graneis
sólidos e líquidos. As cargas gerais são acondicionadas em diversos tipos de
embalagens e nos mais variados pesos e volumes, como por exemplo, sacos, caixas
de madeira ou papelão ou similares, engradados, tambores, barris, contêineres,
pallets, entre outros.
Segundo a ANTAQ, no período entre 2010 e 2016, o setor portuário transportou, em média,
cerca de 516,71 milhões de toneladas de granel sólido (75,41%), 101,04 milhões de
11
toneladas de carga geral (14,75%) e 67,45 milhões de toneladas de granel líquido (9,84%)
(Figura 5).
Figura 5: Percentual da quantidade média de carga transportada, por natureza de carga, no período entre 2010
e 2016
Fonte: Adaptado de (ANTAQ, 2016)
Ao analisar o comportamento anual da movimentação das cargas pelo setor portuário

brasileiro no período considerado (Figura 6), pode ser observado que, no total, houve um
aumento de 34,59% na quantidade de cargas movimentadas. A carga que mais influenciou
neste aumento foi o granel sólido que cresceu cerca de 41,06%, um incremento de 166,66
milhões de toneladas (ANTAQ, 2016).
Figura 6: Quantidade de carga movimentada pelo setor portuário brasileiro, por natureza de carga, no período
entre 2010 e 2016
12
Em seguida, as cargas de granel líquido apresentaram incremento de 24,59% (21,04 milhões
de toneladas) no período amostral. Por fim, a carga geral apresentou um aumento de 5,85%
(3,60 milhões de toneladas) nas movimentações de carga (Figura 6).
 Exportação
Conforme a Figura 7 e a Figura 8, o granel sólido foi a carga mais exportada, com uma
quantidade média anual de 454,48 milhões de toneladas (83,62%). No período de tempo
considerado, as exportações de graneis sólidos apresentaram aumento de 40,68%, um
incremento de 146,36 milhões de toneladas.
A quantidade de carga geral exportada do Brasil que utilizou o setor portuário foi de 62,45
milhões de toneladas, com uma representatividade de 11,49%. Neste período de tempo, as
exportações desta carga apresentaram um aumento de 45,03% (22,91 milhões de toneladas).
Figura 7: Quantidade de carga para a exportação, utilizando o setor portuário brasileiro, conforme a natureza
de carga, no período entre 2010 e 2016
Fonte: (ANTAQ, 2016)
Por fim, a quantidade média anual de granel líquido exportado foi de 26,58 milhões de
toneladas, representando 4,89% desta quantidade, incremento no período de 13,56% (3,53
milhões de toneladas).
13
Figura 8: Percentual da quantidade média de carga exportada do Brasil, por natureza de carga, no período
entre 2010 e 2016
A partir destes dados, é possível concluir que o Brasil é um país de atividade econômica
ainda primária, pois, a prevalência de graneis sólidos nas exportações brasileiras podem
configurar que o Brasil desempenha mais ativamente as atividades de agricultura e extração
de minerais.
 Importação
As importações brasileiras apresentaram uma quantidade média anual de 62,23 milhões de
toneladas de granel sólido (43,92%). Num período de seis anos, as importações de granel
sólido aumentaram em 43,99% (20,30 milhões de toneladas), conforme é possível observar
na Figura 9 e na Figura 10.
14
Figura 9: Quantidade de carga para a importação, utilizando o setor portuário brasileiro, conforme a natureza
de carga, no período entre 2010 e 2016
As importações de granel líquido e carga geral foram, na média anual, respectivamente, de

40,88 e 38,59 milhões de toneladas, representando 28,85% 27,24%. No período, o aumento
da quantidade de granel líquido importado foi de apenas 0,19% (0,07 milhões de toneladas).
De carga geral, houve uma redução de 5,41%, o que representou 1,87 milhões de toneladas
de carga a menos nas importações brasileiras. Entretanto, a quantidade de bens importados
apresentou queda nos anos de 2015 (3,85% menor) e 2016 (3,6% menor) (Figura 9),
evidenciando, assim, uma recessão econômica que assolou o país (IBGE, 2017b).
Figura 10: Percentual de carga importada, dada sua natureza no ano de 2016, no Brasil
Ao analisar os dados do comércio exterior brasileiro é possível concluir que o Brasil tem
uma forte economia primária, cujas atividades são de extração de recursos minerais e de
15
agricultura, exportando vultosas quantidades de graneis sólidos. Por outro lado, sua
economia secundária (indústrias) é pouco desenvolvida, dado a quantidade de bens
industrializados, como a carga geral e o granel líquido, em geral, são importados.
2.2 Gestão Portuária

No dicionário, a palavra gestão é definida como; ações, ou atos, de gerir algo, por exemplo,
de administrar um negócio (MICHAELIS, 1998). Para BNDES (2012, p. 77), a gestão é o
“conjunto de regras, procedimentos e ferramentas utilizados para o bom funcionamento dos
portos”.
Barros (2013) afirma que a gestão diz respeito à utilização dos recursos disponíveis, visando
atender os objetivos organizacionais pré-determinados. Desta forma, é preciso apresentar os
conceitos acerca das operações portuárias que são um conjunto complexo de todas as ações
necessárias (movimentação e armazenagem) para realizar a passagem dos bens entre os
modos de transportes marítimo e os terrestres (BARROS, 2013; SILVEIRA et al., 2012).
Sendo assim, é possível afirmar que a gestão operacional portuária é a união dos recursos
disponíveis utilizados de forma eficiente nas operações portuárias (BARROS, 2013;
KUROSAWA, 2003).
As operações portuárias podem ser executadas por entes públicos ou privados e, a partir
disto, o Banco Mundial (WORLD BANK, 2007) classifica a gestão portuária a partir de
critérios relacionados a função da sua orientação (local, regional ou global), a
responsabilidade de prestar os serviços (setor público, privado ou por ambos), a
responsabilidade pela propriedade e ao fornecimento da mão de obra portuária (VIEIRA,
2013).
Os modelos de gestão portuário são (TONOLLI et al., 2015; VIEIRA, 2013; WORLD
BANK, 2007);
 Service Port: de forma predominante, os atores neste modelo de gestão são públicos.
A construção da infraestrutura (incluindo seus acessos) e da superestrutura do porto
(aquisição de equipamentos para os terminais) e a operação destas instalações é de
16
responsabilidade do governo (direta ou indiretamente por meio de empresas
públicas) (SANTANA et al., 2015);
 Tool Port: neste modelo, a autoridade pública fornece a infraestrutura e a
superestrutura. O setor privado é responsável pela prestação dos serviços;
 Landlord Port: a autoridade portuária detém a infraestrutura, enquanto que o setor
privado é responsável pelos investimentos na superestrutura e por prestar os serviços
portuários;
 Private Port: a infraestrutura, a superestrutura e a prestação dos serviços portuários
são de responsabilidade do setor privado (MILANI et al., 2015).
A Tabela 1 expõem de forma sucinta as responsabilidades de cada ente (público e privado)

quanto aos investimentos em infraestrutura e superestrutura, quanto a prestação de serviços
(operação portuária e administração do porto), quanto propriedade da terra e os ativos
portuários.
Tabela 1: Modelos de gestão portuária

Propriedade
Modelos de Gestão Investimento em Investimento em Operação Administração
da terra e do
Portuário Infraestrutura Superestrutura Portuária do Porto
ativo
Service Port Pública Pública Pública Pública Pública
Tool Port Pública Pública Privado Pública Pública
Landlord Port Pública Privado Privado Pública Pública
Private Service Port Privado Privado Privado Privado Privado
Para Vianna Júnior (2009), o modelo de gestão portuário deve atender a cinco requisitos de
qualidade e produtividade expressos por meio de indicadores de desempenho;
 Interoperabilidade: é um atributo essencial na realização de negócios e
comunicação de comércio exterior, implementado por meio de software e pela rede
mundial de computadores.
 Rastreabilidade: é um atributo de qualidade dos produtos, principalmente os
produtos alimentícios, onde a informação de origem e qualidade do produto são
parâmetros que interferem na saúde e qualidade de vida da população, tais como a
utilização de sementes transgênicas, de agrotóxicos e entre outros.
 Segurança: este é um atributo presente nos processos logísticos e de produção,
principalmente nos mercados externos. Este atributo é dividido em duas partes; safety
e security. Segundo o mesmo autor, o conceito sobre safety é o de segurança para
17
acidentes não intencionais que podem ser evitados a partir de medidas preventivas e,
caso aconteça, por medidas de contingenciamento. Já security, se refere a segurança
contra atos terroristas, ilícitos e incidentes pessoais.
 Confiabilidade: é o atributo que determina a probabilidade da certeza que
determinada ação, ou componente de um sistema, ou evento ocorrerá conforme o
previsto/planejado. Ou seja, a confiabilidade de um sistema é proporcional à sua
previsibilidade; quanto mais previsível for, mais confiável será o sistema.
 Proteção ao meio ambiente: atributo que diz respeito ao impacto ambiental oriundo
das atividades portuárias que, quando não gerenciado de forma adequada, resulta na
degradação do ambiente ao redor do porto. São exemplos, a poluição das aguas, a
destinação dos resíduos de embarcações em locais inadequados, a poluição do ar,
contaminação do solo, proliferação de vetores (ratos, baratas, entre outros) e entre
outros (GUEDES, 2005).
O governo brasileiro adotou o modelo Landlord Port para a exploração do seu sistema
portuário. Desta forma, a iniciativa privada é responsável pela superestrutura e pela operação
portuária, por meio de arrendamento da instalação portuária ou concessão do porto
organizado (SEP/PR, 2010).
O processo de arrendamento e concessão é de responsabilidade da ANTAQ. Esse é realizado

por meio de edital de licitação pública, onde são apresentados aos interessados; as
responsabilidades das partes, o objeto, à área e o prazo a ser arrendado/concessionado, os
critérios, indicadores, fórmulas e parâmetros que definem a qualidade do serviço prestado,
entre outros, conforme determina a Lei nº 12.815/2013 (BRASIL, 2013).
Sendo assim, é possível concluir que os modelos de gestão portuário são determinantes para
o desempenho dos serviços prestados no porto organizado, cujas atividades não se limitam
apenas à movimentação da carga propriamente dita, mas também ao tratamento de suas
externalidades, como por exemplo, à geração de resíduos sólidos.
18
2.2.1 Operações Portuárias
No transporte marítimo, a tarefa principal dos portos é carregar e descarregar os bens
transportados pelas embarcações, utilizando equipamentos específicos dada a peculiaridade
de cada tipo de carga, na interface com outros modos de transportes, que são; ferroviário,
rodoviário e fluvial (SANTOS e KITZMANN, 2016).
Segundo a Lei nº 10.333/2001 (BRASIL, 2001), a operação portuária é definida como a

movimentação de bens no interior do porto organizado, realizado por operador portuário.
Assim, a operação portuária é um conjunto complexo de tarefas inter-relacionadas, tais
como, movimentar de forma manual os bens, içá-las, conferir, arrumar, entre outros (MTE,
2001).
Sousa Júnior (2010) separa as atividades portuárias segundo funções externas e internas.
Segundo o mesmo autor, as funções externas são divididas em três grupos de atividades, que
são:
 Destinadas aos navios: Diz respeito aos serviços prestados às embarcações ao
chegarem no porto, cujas atividades são realizadas pelos práticos e rebocadores.
 Realizadas na “interface” mar-terra, isto é, na região onde ocorre o carregamento ou
o descarregamento das cargas situadas nos navios.
 Realizadas em terra como por exemplo, a movimentação da carga do ponto de
atracação até os pátios e armazéns.
As funções internas são aquelas que permitem a execução adequada das funções externas
com o intuito de se obter o melhor custo-benefício tais como, “as funções econômicas,
físicas, financeiras, sociais, comerciais e de desenvolvimento” (SOUSA JÚNIOR, 2010).
Seguindo esta linha conceitual, Bichou e Gray (2005) afirmam que as operações portuárias
se dividem em dois tipos de serviços; relacionados com a carga e os relacionados com os
navios. Os serviços portuários relacionados aos navios são executados no mar (dragagem,
praticagem, amarração/desamarração, entre outros) e na interface mar-terra (atracação,
manutenção, abastecimento e entre outros) (MILANI et al., 2015).
19
Os serviços portuários relacionados com a carga também apresentam interface mar-terra
(arrumar, carregar, descarregar e entre outros) e na terra (consolidação da carga,
armazenamento e distribuição) (BICHOU e GRAY, 2005; MILANI et al., 2015).
Monteiro (2015) classifica os serviços portuários em;

 Atividades de controle: para auxílio no acesso ao porto, sinalização, proteção
marinha, reboque, gestão do tráfego de navios, serviços de emergência, amarração,
armazenagem e movimentação dos bens, inspeção e alfândega, entre outros;
 Conservação da infraestrutura; incluindo a manutenção dos acessos ao porto,
reparação e manutenção dos equipamentos e dos navios, além da limpeza e da
retirada dos resíduos dos navios;
 Serviços; como os de informação e gestão (WORLD BANK, 2007).
As operações portuárias são distintas conforme a natureza da carga movimentada no porto.

Para isto, é necessário um conjunto de equipamentos e procedimentos operacionais
específicos. Desta forma, Goes Filho (2010) classifica os portos quanto à sua função e
apresenta suas principais características considerando a natureza da carga movimentada;
 Carga Geral: portos que utilizam os guindastes e empilhadeiras para movimentar sua
carga e dispõe de armazéns e pátios como locais para acondicionar seus produtos;
 Granel Sólido: portos que utilizam correias transportadoras, empilhadeiras,
recuperadoras, carregadeiras de navio e/ou viradores de vagão para movimentar sua
carga e dispõe de amplas áreas de estocagem e acostagem contínua ou descontínua;
 Granel líquido: os equipamentos utilizados na movimentação deste tipo de carga são
os oleodutos (instalações de bombeamento) e dispõe de acostagem descontínua;
As atividades portuárias tem potencial impacto de ordem social, econômico e,

principalmente, ambiental (FREITAS, 2015). O impacto ambiental resultante das atividades
portuárias é tal, que a legislação ambiental brasileira passou a considerar as atividades
portuárias como potencialmente poluidora (BRASIL, 2000).
A partir disto, uma série de normas, resoluções e legislações (nacionais e internacionais)

foram desenvolvidas com o objetivo de prover orientações e instrumentos legais que sirvam
20
para mitigar os impactos ambientais advindos do setor portuário. Esses instrumentos
normativos serão detalhados na próxima subseção.
2.3 Gestão de Resíduos nos Portos

Freitas et al. (2016b) afirmam que a geração de resíduos portuários pode estar relacionada à
ineficiência (ou baixa eficiência) técnica e/ou operacional das instalações portuárias. Além
disto, os resíduos portuários podem ser de originar de materiais utilizados no processo no
acondicionamento das cargas, tais como, pallets, plásticos, entre outros (FREITAS et al.,
2016).
Diante disto, faz-se necessário definir resíduos sólidos, a partir do artigo 3º inciso XVI da
Política Nacional de Resíduos Sólidos (PNRS), sancionada na forma da lei nº 12.305/2010;
material, substância, objeto ou bem descartado resultante de atividades humanas

em sociedade, a cuja destinação final se procede, se propõe proceder ou se está
obrigado a proceder, nos estados sólido ou semissólido, bem como gases contidos
em recipientes e líquidos cujas particularidades tornem inviável o seu lançamento
na rede pública de esgotos ou em corpos d’água, ou exijam para isso soluções
técnica ou economicamente inviáveis em face da melhor tecnologia disponível;
(BRASIL, 2010)
Além disto, Gaudêncio et al. (2015) afirmam que a geração de resíduos sólidos é
consequência do consumo em excesso de produtos, especialmente de produtos não duráveis.
O mesmo autor afirma que o conceito de resíduos sólidos está relacionado diretamente com
os impactos ambientais e sociais, que são consequência das ações humanas sobre o ambiente,
dado o aumento e acúmulo dos resíduos sólidos em locais inadequados para o destino final,
tal como os lixões.
Para conseguir mitigar à geração dos resíduos é necessário que definir gestão de resíduos.
Vasconcellos (2006) entende que a gestão de resíduos é composta de um conjunto de
processos de administração de resíduos, em que considera sua qualidade, origem,
composição, características, formas e meios de tratamento ambientalmente adequado.
A Lei nº 12.305/2010 – Política Nacional de Resíduos Sólidos – define gestão de resíduos

como um conjunto de ações orientada para a busca das soluções dos resíduos sólidos, onde
21
é considerado as dimensões políticas, econômicas, ambiental, cultural e social (BRASIL,
2010).
No setor portuário, Freitas et al. (2016a) afirmam que as principais fontes de geração de
resíduos nos portos são; as áreas arrendadas, as áreas não arrendadas e as embarcações.
Entretanto, Pereira et al. (2014) apresentam as fontes geradoras de resíduos nos portos da
seguinte forma;
 Embarcação: os resíduos gerados pelas embarcações são de acordo com as atividades
administrativas, de suporte, manutenção e operação das embarcações. Entretanto, a
quantidade de resíduos gerados depende do tamanho e da capacidade da embarcação,
assim como da quantidade de tripulantes, do tipo de transporte (carga ou passageiro),
e das características dos equipamentos utilizados nas operações;
 Instalação portuária: as diversas atividades portuárias que ocorrem em terra tais
como, operação nos terminais, refeitórios e cozinhas, setor de suporte e manutenção,
áreas administrativas, entre outros (PEREIRA et al., 2014).
Para identificar as fontes geradoras de resíduos, Rocha (2016) subdividiu em 20 (vinte)

perímetros a área do porto organizado, identificando os terminais e suas respectivas
atividades operacionais e, consequentemente, os tipos de resíduos encontrados. Com isso, a
autora classificou os tipos de resíduos encontrados como:
a. Resíduos administrativos e de apoio/manutenção; são aqueles gerados nos
escritórios, na poda de gramados/canteiros/árvores, de varrição e de manutenção de
máquinas;
b. Resíduos dispersos; são aqueles encontrados na faixa do cais, resultado da operação
portuária (carga e descarga da mercadoria);
c. Resíduos de bordo, resíduos acumulados nas embarcações durante o traslado, tais
como esgoto sanitário, resíduos domésticos, água oleosa, água de lastro (FREITAS,
2015).
Os resíduos gerados pelos navios podem ser categorizados da seguinte forma (FREITAS,
2015; VALOIS, 2009);
 Resíduo doméstico: em geral, são restos de comida, plásticos, latas, garrafas, louças,
copos quebrados, papel, papelão e resíduos de enfermaria;
22
 Resíduo de manutenção: estopas e panos oleosos, restos de peças de manutenções,
peças danificadas, material de embalagem (papel, plásticos, metal, entre outros),
cinzas e refratários, restos de tinta, entre outros;
 Resíduo operacional associado à carga: calços e escoras para a carga, pallets, lonas
e coberturas para a carga e correias de amarração da carga.
Segundo IPEA (2012), os tipos de resíduos gerados em portos são, em geral;

 Restos de cargas;
 Embalagens (pallets, lâminas de plásticos, cartões);
 Resíduos domésticos dos setores sociais (cantinas, oficinas, lavanderias, sanitários);
 Lubrificantes e hidrocarbonetos usados, filtros, vernizes, pinturas, solventes e
baterias de manutenção de máquinas e infraestrutura; e
 Restos de mercadorias estivadas.
Os impactos ambientais advindos do setor portuário podem modificar, de forma negativa, o

meio ambiente em que se situa. Além disto, a influência dos portos vão além dos limites das
fronteiras do porto organizado, logo, os impactos ambientais de suas atividades também
influenciam no desenvolvimento econômico e na dinâmica das regiões em que se situam
(JESUS, 2015).
Sendo assim, torna-se essencial a adoção de normas de boas práticas internacionalmente

reconhecidas, como o Green Ports ou Portos Verdes, para o desenvolvimento sustentável
dos portos a partir de ações que visam: a gestão de recursos energéticos, monitoramento da
qualidade da agua, do solo e do ar, assim como, da gestão dos resíduos (JESUS, 2015).
Os impactos ambientais são efeitos da ação do ser humano no meio ambiente e pode ser
negativo ou positivo. Os impactos positivos são àqueles em que as ações apresentam
resultados que beneficiam o meio ambiente. No que se refere à impactos negativos, Jesus
(2015) afirma que é quando há “rompimento do equilíbrio ecológico”, por meio da
contaminação do meio ambiente, exaustão dos recursos naturais e a degradação dos
ecossistemas (JESUS, 2015, p. 12).
23
Rocha (2016) afirma que um dos principais fatores que causam impactos ambientais
negativos é a geração de resíduos resultante das atividades portuárias, logo, suas quantidades
estão diretamente relacionadas com a movimentação das cargas. Ou seja, quanto maior a
quantidade de bens movimentados no porto, maior será a quantidade de resíduos gerados.
Para Jesus (2015), os impactos ambientais das operações portuárias (manuseio, transporte e
armazenamento da carga), assim como os serviços prestados no porto (abastecimento das
embarcações e manutenção da infraestrutura dos navios, dos equipamentos e veículos em
geral), ocorrem quando estas ações são executados de forma inadequada, o que pode gerar
resíduos sólidos e líquidos, lançamento de efluentes em corpos d’agua, entre outros.
A disposição inadequada destes resíduos representa uma ameaça à saúde e ao meio ambiente.
Os resíduos orgânicos (restos de alimentos ou de carga) podem atrair vetores nocivos, como,
ratos, baratas, pombos, entre outros, acarretando danos à saúde pública (FREITAS, 2015;
FREITAS et al., 2016c).
Pallis et al. (2017) afirmam que do total de resíduos despejados em águas internacionais,
20% são resíduos gerados nas embarcações. Em vista disto, entidades dos setores público e
privado se movimentaram na direção de criar regras para adequar o gerenciamento dos
resíduos gerados nas embarcações.
No âmbito das águas internacionais, a IMO – Internacional Maritime Organisation –

elaborou a regulamentação e os requisitos que definem os tipos de resíduos que podem ser
despejados nos oceanos, por meio dos anexos da MARPOL 73/78. No âmbito de cada nação,
cabe ao próprio país elaborar e fazer valer as regras que julgar ambientalmente adequadas
em seu território (PALLIS et al., 2017).
Diante deste cenário, em 1993, o Plano de Gerenciamento de Resíduos Sólidos (PGRS)

passou a ser exigido e, o Conselho Nacional do Meio Ambiente (CONAMA) por meio da
Resolução nº 05/1993, que especifica o gerenciamento dos resíduos sólidos em portos,
aeroportos, terminais ferroviários e rodoviários, apresenta as ações para o manejo adequado
dos resíduos, considerando aspectos da geração, segregação, acondicionamento, coleta,
armazenamento, transporte, tratamento e disposição final (CONAMA, 1993; SILVA, 2014).
24
A legislação ambiental que se aplica ao setor portuário, no que tange aos resíduos sólidos,
foi compilada na Tabela 2 a partir da publicação de Freitas et al. (2013)
Tabela 2:Síntese do levantamento da legislação e normas acerca dos resíduos sólidos aplicado nos portos
brasileiros
Abrangência Legislação e Resolução
Lei Nº 12.305, de 2 de agosto de 2010 – Institui a Política Nacional de
Resíduos Sólidos (PNRS) e Decreto Nº 7.404, de 23 de dezembro de 2010
– Regulamenta a Lei Nº 12.305, de 2 de agosto de 2010
ABNT NBR 10004/2004 – Classificação Resíduos Sólidos
Normas Gerais sobre Resíduos Resolução CONAMA 452, de 02 de julho de 2012 – Dispõe sobre os
Sólidos procedimentos de controle de importação de resíduos, conforme as
normas adotadas pela Convenção da Basiléia sobre o Controle de
Movimento Transfronteiriço de Resíduos Perigosos e seu Depósito.
Resolução CONAMA Nº 2, de 22 de agosto de 1991 – Dispõe sobre o

tratamento a ser dado às cargas deterioradas, contaminadas ou fora de
especificações.
Resolução CONAMA Nº 5, de 5 de agosto de 1993 – Dispõe sobre o

gerenciamento de resíduos sólidos gerados nos portos, aeroportos,
terminais ferroviários e rodoviários
Resolução RDC ANVISA 342/2002 – Institui e aprova o Termo de

Normas Específicas sobre o Referência, em anexo, para elaboração dos Planos de Gerenciamento de
Resíduos Sólidos Portuários Resíduos Sólidos a serem apresentados a ANVISA para análise e
aprovação. (Revogada)
Resolução - RDC ANVISA Nº 72, de 29/12/2009 – Regulamento Técnico

que visa à promoção da saúde nos portos de controle sanitário em
território nacional e embarcações que por eles transitem.
Convenção MARPOL 1973/1978 – Convenção Internacional para a

Prevenção da Poluição Causada por Navios (Anexos I, II, III, IV e V).
Resolução ANTAQ Nº 1.766, de 23 de julho de 2010 – Aprova a Norma

que estabelece as atividades executadas nos Portos e Terminais
Normas Específicas sobre os
Aquaviários por Empresas Brasileiras de Navegação autorizadas a operar
Resíduos Sólidos de Embarcação
na Navegação de Apoio Portuário
Resolução ANTAQ Nº 2.190, de 28 de julho de 2011 – Aprova a norma

para disciplinar a prestação de serviços de retirada de resíduos de
embarcações.
Fonte: Adaptado de Magrini (2012)
Vale destacar na Tabela 2, a Política Nacional de Resíduos Sólidos (PNRS) por ser o marco
legal no que se refere à gestão dos resíduos sólidos. Essa dispõe de instrumentos e de
25
diretrizes relativas à gestão integrada e ao gerenciamento dos resíduos sólidos (BRASIL,
2010).
Independente da necessidade de atendimento das legislações e normas ambientais, a gestão

dos resíduos portuários é uma estratégia que possibilita agregar valor às operações
portuárias, além de possibilitar a redução das perdas das cargas nas operações de
carregamento e descarregamento.
Para Freitas (2015), a eficácia do gerenciamento dos resíduos sólidos gerados nas atividades
portuárias exige que conceitos sejam assimilados pelos tomadores de decisão, quanto a
caracterização dos resíduos sólidos, quanto ao grau de periculosidade, quanto a definição
das alternativas de prevenção, quanto ao controle da geração dos resíduos e quanto as
alternativas para a destinação ambientalmente adequados a serem consideradas.
2.4 Avaliação de Desempenho nos Portos Marítimos

Num ambiente de mercado competitivo, as organizações visam a excelência nas suas
atividades, a fim de aumentar a qualidade de seus serviços e a conquista de novos mercados
consumidores (LEAL JUNIOR, 2010). Para que isto ocorra, é essencial avaliar o
desempenho dos processos organizacionais, visando aferir a qualidade na prestação dos
serviços e a satisfação do cliente.
Para Barros (2013), o grau de satisfação do cliente está diretamente relacionado com o nível
de serviço prestado. Ou seja, identificar as necessidades do cliente é fundamental para elevar,
e manter, o nível de serviço e, consequentemente, influenciar de forma positiva na satisfação
do cliente. Ainda o mesmo autor, a manutenção do nível de serviço no comércio
internacional gira em torno da integridade, do tempo e da confiabilidade na entrega do
produto ao cliente.
Yunting (2012) define avaliação de desempenho como o resultado dos procedimentos

organizacionais, o desempenho real. Além disto, Câmara (2006) afirma que avaliar o
desempenho abastece o tomador de decisão de informações essenciais que influenciam nas
decisões e permite direcionar ações que permitam maximizar os resultados alcançados.
26
No serviço de transportes entende que a avaliação de desempenho compreende “um conjunto
de procedimentos que permite avaliar, analisar e descrever” os procedimentos adotados nas
operações de movimentação de bens, por meio de “critérios pré-definidos e visando à
melhoria desse serviço” (D’AGOSTO, 1999; LEAL JUNIOR, 2010, p. 34).
Para Dutra et al. (2015), a avaliação de desempenho tem uma função estratégica em todas
as áreas da gestão empresarial que, diante de um cenário altamente competitivo, pode ser
considerado como “medida estratégica de sobrevivência das organizações”
(GIACOMELLO e OLIVEIRA, 2014).
Além disto, Nascimento et al. (2011) afirmam que os objetivos e as metas das organizações
influenciam à avaliação de desempenho, refletindo, assim, nas atividades organizacionais,
tanto no âmbito estratégico quanto no operacional.
Entretanto, Zary (2015) e Dutra (2003) afirma que a avaliação de desempenho é uma
ferramenta que permite interpretar as medidas de desempenho, traduzindo um dado
fenômeno na forma quantitativa ou qualitativa, onde um valor é atribuído naquilo que é
considerado relevante para a organização.
Neste contexto, a avaliação de desempenho pode ter um enfoque sob o ponto de vista do
embarcador, transportador, governo, entre outros. Uma vez que estes diferentes atores
possuem, é possível que os resultados destas avaliações sejam diferentes umas das outras
(LEAL JUNIOR, 2010).
Após isto, Leal Junior (2010) afirma que é necessário determinar à categoria a ser baseado
na avaliação que, em geral, são; eficácia; eficiência e efetividade. Além disto, deve-se
determinar a perspectiva da avaliação do desempenho, como por exemplo, operacional,
econômico-financeiro, ambiental, entre outros.
Hanones e Monteiro (2017) afirmam que avaliar o desempenho de um porto não é uma tarefa
simples, dada à complexidade e abrangência das movimentações das cargas. Ainda que o
27
setor portuário seja marcado por esta complexidade, os objetivos e as metas da avaliação do
desempenho devem ser claros e explícitos (HANONES e MONTEIRO, 2017).
A tarefa de medir o desempenho organizacional é considerada de tal relevância, que esta

prática é observada em diversas organizações dos mais variados setores econômicos, pois,
permite que os gestores identifiquem as ineficiências nos processos organizacionais, além
da comparação entre as organizações do mesmo segmento de mercado (KARIM e ARIF‐
UZ‐ ZAMAN, 2013; SANTOS, 2013).
2.4.1 Indicadores e Medidas de Desempenho em Portos Marítimos

Para medir o desempenho, é necessário utilizar um conjunto de indicadores de desempenho
que permitam caracterizar e representar os processos organizacionais, observar o
comportamento das possíveis respostas e resultados e indicar as possíveis formas de
tratamento e análises a serem adotadas visando maximizar os resultados organizacionais
(MONTEIRO, 2015; TISCOSKI, 2016).
A definição dos indicadores relevantes é extraída a partir de um banco de dados que contêm
informações qualitativas ou quantitativas que possibilitam avaliar o desempenho dos
processos organizacionais (LIMA, 2004). Para Dutra et al., (2014), os indicadores permitem
que as informações de fenômenos complexos estejam organizadas e simplificadas para que
gestores e usuários busquem a melhoria do processo de comunicação e entendimento destas
informações.
Para Zary (2015), os indicadores são fundamentais na avaliação de desempenho, pois são
utilizados pelos gestores na obtenção de maior compreensão e entendimento de uma dada
situação, resultando na tomada de decisão mais adequada diante dos problemas que surgem
no cotidiano das organizações. Sendo assim, é possível afirmar que o êxito da avaliação do
desempenho na organização está diretamente relacionado com a adequada construção dos
indicadores utilizados (NASCIMENTO et al., 2011).
Nas operações portuárias, os indicadores de desempenho permitem evidenciar os aspectos

que resultam na ineficiência na gestão dos portos. Uma das formas de se medir o desempenho
28
é por meio da produtividade, que é definido como a razão entre a quantidade de saídas
(outputs) e a quantidade de recursos (inputs) utilizados no processo produtivo (VIEIRA et
al., 2014).
Em geral, os portos medem sua produtividade a partir da quantidade de bens descarregados

em relação a um período de tempo. A título de exemplo, os portos que movimentam
contêiner medem a sua produtividade a partir da quantidade de contêineres movimentados
por hora (MPH), no que evidencia por avaliar a eficiência da operação portuária (LUZ, 2015)
Além disto, é importante considerar outros indicadores de desempenho, como por exemplo,
o “nível de satisfação do cliente” com o serviço prestado, o “grau de atendimento às
especificações internas ou expectativas externas”, conhecida por eficácia (VIEIRA et al.,
2014, p. 795). Segundo Mello et al. (2005), a eficácia diz respeito apenas ao que é produzido,
e não ao consumo de inputs na produção.
Para Mello et al. (2005, p. 2522), a eficiência é um “conceito relativo”, onde é comparada a
produção real em relação a esperada, para os recursos disponíveis em ambos os casos. Para
Acosta et al. (2011) e Minato (2006), a comparação entre os valores observados e os valores
ótimos (valores máximos almejados, ou, segundo Minato (2006, p. 20), “o máximo produto
potencial alcançável”) são conhecidos por eficiência técnica.
Em termos matemáticos, a eficiência técnica é apresentada pela razão entre os outputs

observados e os outputs ótimos, dado os inputs, ou, de forma análoga para os inputs; a razão
entre os valores ótimos de inputs (a quantidade mínima necessária) e os valores observados,
considerando os outputs (ACOSTA et al., 2011; MINATO, 2006; TISCOSKI, 2016). O
resultado da eficiência técnica será, sempre, menor ou igual a 1 (um), onde o valor 1 (um)
representa à eficiência técnica (ACOSTA et al., 2011).
2.4.2 Eficiência na Operação Portuária

A eficiência nas operações portuárias é influenciada tanto pela infraestrutura disponível no
porto, quanto pelo aprimoramento organizacional e pelo gerenciamento interno
(KIRCHNER, 2013).
29
Para ser eficiente, é preciso que o porto assegure que o serviço de movimentação das cargas
seja executado da melhor forma possível, sem que ocorram avarias e/ou acidentes em geral,
e no menor tempo possível. Para isto, é necessária a disponibilidade de equipamentos
modernos e adequados às cargas dos clientes. Desta forma, é possível reduzir o tempo de
espera dos navios, agilizar o desembaraço das cargas, reduzir custos operacionais, entre
outros (MILANI et al., 2015).
Kirchner (2013) e Monié e Vidal (2006) destacam que os setores produtivos disponíveis no
entorno dos portos (hinterland) tem influência direta na eficiência e na dinâmica dos portos
em si. Para Song e Geenhuizen (2014), os portos são catalisadores econômicos para as
regiões em que se situam, gerando benefícios econômicos e riqueza socioeconômica por
meio de serviços e atividades manufatureiras.
Os benefícios da eficiência portuária não se limitam à movimentação de cargas, onde os

efeitos disto se apresentam de forma direta e indireta em outras atividades do porto, tais
como: seguro marítimo, logística, finanças, entre outros (MILANI et al., 2015).
Vieira (2013) apresenta a definição de cadeia logístico-portuária a partir da relação entre as

atividades desenvolvidas no porto e uma série de outras atividades que ultrapassam os limites
da área do porto organizado. Sendo assim, a eficiência do porto depende da governança que
a autoridade portuária tem sobre os diversos atores que se situam neste cadeia (VIEIRA,
2013)
Dada à importância dos portos na cadeia logístico-portuária, González e Trujillo (2008) e

Ensslin et al. (2015) afirmam que a eficiência portuária influencia, em grande parte, a
competitividade do país em que se situa, influenciando diretamente nos preços por serviços
de transportes. Para González e Trujillo (2008), a eficiência portuária resulta em menores
tarifas nos serviços dos portos, o que, reduz os custos em transportes e, consequentemente,
diminui os preços dos produtos para o consumidor final.
Além do aspecto financeiro, outros indicadores são considerados para determinar à

eficiência operacional do porto. Um dos mais relevantes é o tempo médio de permanência
30
dos navios nos portos brasileiros, pois, esta variável representa o resultado final de toda a
operação do porto, desembaraço da carga, carregamento/descarregamento, abastecimento do
navio, entre outros. Segundo Gobbi et al. (2015), a média de permanência dos navios nos
portos brasileiros é de 5,5 dias, quase o dobro da média mundial (2,9 dias).
31
3 ANÁLISE ENVOLTÓRIA DE DADOS (DEA)
3.1 Conceitos e Definições

A Análise Envoltória de Dados (DEA) foi proposta por Charnes et al. (1978) com o objetivo
de avaliar a eficiência das escolas primárias que integravam um programa estudantil nos
Estados Unidos da América (EUA), em que foram considerados três outputs, tais como,
scores aritméticos, melhoria de autoestima em testes psicológicos e habilidades psicomotora.
E como inputs foram considerados o número de professores-hora e o tempo gasto pela mãe
em leituras com o filho (CHARNES et al., 1978; LINS e MEZA, 2000).
Segundo Lins e Meza (2000), o objetivo do método em questão é desenvolver um modelo

matemático que estime a “eficiência técnica sem recorrer ao arbítrio de pesos para cada
variável de input ou output”(LINS e MEZA, 2000).
Com a difusão deste método com o passar dos anos, sua aplicação foi observada em diversos
segmentos de mercado, tais como, nas indústrias, instituições financeiras, nos portos e
terminais portuário, entre outros (LINS e MEZA, 2000; SOUSA JÚNIOR, 2010).
Segundo Lins e Meza (2000), o Método DEA possibilita utilizar diversos tipos de dados
reais de variáveis de input e output cujas unidades de medidas podem ser diferentes entre si,
desde que, tais variáveis sejam iguais para todas as unidades tomadoras de decisão (DMU –
Decision Making Units) (COOPER et al., 2006). Sendo assim, faz-se necessário definir
DMU (Decision Making Units) que é; qualquer tipo de empreendimento; público, privado,
comércios, indústrias, escolas e universidades, bancos, conjuntos habitacionais, portos e
aeroportos, entre muitos outros (BERTOLOTO e MELLO, 2011; COOPER et al., 2006;
SOUSA JÚNIOR, 2010). Ou seja, se o tomador de decisão utiliza como output a carga
movimentada (tonelada) de um conjunto de terminais portuários para analisar a eficiência
operacional, a unidade de medida nesta variável deve ser a mesma para todas as DMUs.
Além disto, o método considera os outliers, onde é possível analisá-los como um benchmark
a ser estudado pelas demais DMUs (LINS e MEZA, 2000).
Segundo Charnes et al. (1978), DEA é um método não paramétrico com o objetivo de avaliar
a eficiência técnica entre determinados empreendimentos (DMUs), cujas características
32
operacionais devem ser similares, utilizando múltiplos inputs para produzir múltiplos
outputs (LINS e MEZA, 2000; PIRES e SILVA, 2016).
Neste método é possível analisar as DMUs individualmente e em relação ao conjunto

selecionado. Tal análise é feita a partir da distância entre a fronteira eficiente de produção e
a DMU em que está analisando (ou observada – DMUo). Entende-se por fronteira eficiente
de produção (ou função fronteira de produção) a região do gráfico que é dada pela máxima
quantidade de outputs que podem ser obtidos a partir dos inputs utilizados (ACOSTA et al.,
2011; CRAVEIRO, 2015; LINS e MEZA, 2000).
A partir disto, o método DEA atribui pesos aos inputs e outputs para cada DMU,
considerando que estas estejam operando de forma a otimizar seus recursos. Em seguida, as
DMUs são avaliadas em relação ao conjunto de seus pares selecionados. Desta forma, a(s)
DMU(s) que obtiverem resultados maiores na comparação com as demais se situarão na
fronteira eficiente de produção, sendo, assim, considerada(s) referencia(s) para as demais.
(ACOSTA et al., 2011)
A quantidade de DMUs e de variáveis devem ser adequadas para que não haja distorções
nos resultados do modelo DEA. A seleção de um pequeno número de DMUs pode gerar uma
grande quantidade de DMUs eficientes, da mesma maneira que uma grande quantidade de
variáveis pode resultar numa baixa discriminação das DMUs eficientes em relação às
ineficientes (FERNANDES, 2010). Para isto, Tiscoski (2016) considerou uma regra que
estabeleceu a quantidade de inputs (m) e de outputs (n) utilizados nas DMUs escolhidas;
𝐷𝑀𝑈𝑠 ≥ 𝑀𝑎𝑥{(𝑚 × 𝑛); (3 × (𝑚 × 𝑛))} Equação 1
As vantagens de se utilizar o método DEA, para medir a eficiência técnica, estão na

possibilidade de se utilizar múltiplos inputs e outputs, cujas unidades de medidas podem ser
diferentes entre si sem que o cálculo da eficiência se altere (FONTES, 2006).
A fronteira eficiente, apresentada pelo modelo DEA, é uma envoltória das DMUs observadas
e, com isso, não é preciso assumir qualquer hipótese acerca da função de produção, ou seja,
os processos de transformação dos inputs em outputs (FONTES, 2006). Lins e Meza (2000)
33
destaca que a flexibilidade nos pesos é uma das maiores vantagens do método DEA, pois
permite identificar as DMUs ineficientes “que têm uma baixa performance com seu próprio
conjunto de pesos” (ACOSTA, 2008, p. 51). Além disto, o método DEA apresenta um índice
de desempenho para cada DMU em relação à amostra, o que possibilita diferenciar as DMUs
eficientes das ineficientes. Das DMUs ineficientes, o modelo calcula o nível de ineficiência
individual, apresentando, assim, as deficiências destas DMUs (ACOSTA, 2008).
As desvantagens do método DEA foi apresentado por Souza (2015) onde é possível destacar
a sensibilidade dos resultados quanto à inclusão ou retirada de alguma variável do problema
(input e output), além do modelo não considerar as diferenças entre os ambientes externos
das DMUs em análise, o que pode apresentar resultados falsos sobre as habilidades
gerenciais das DMUs, entre outros.
Durante o levantamento bibliográfico acerca do método mais adequado para mensurar a

eficiência dos portos marítimos, observou-se que não há consenso entre os autores. No
levantamento bibliográfico observou-se que, em geral, os autores consultados simpatizaram
mais com os métodos de fronteira estocásticas, onde o Stochastic Frontier Analysis (SFA) –
método paramétrico – e os métodos de fronteira determinística, onde o método DEA se
encontra (método não paramétrico) (FERNANDES, 2010; RIOS, 2015).
Acosta (2008) destaca que os métodos paramétricos estimam a fronteira a partir da

quantidade máxima de output possível, considerando a quantidade de inputs disponíveis. A
partir disto, “a fronteira é estimada estatisticamente, baseada na análise de regressão”, cujos
resultados obtidos são mais agregados pois são considerados valores médios e não os valores
reais (ACOSTA, 2008, p. 41).
Uma das vantagens do SFA em relação aos modelos determinísticos é que este incorpora um
termo de erro o que possibilita identificar os “choques aleatórios” o que pode ser confundido
com ineficiência (RIOS, 2015, p. 47). Entretanto, uma das desvantagens deste modelo é a
necessidade de especificar formas funcionais (parâmetros) explícitas para representar a
função produção (tecnologia) a serem estimados (ACOSTA, 2008; RIOS, 2015).
34
3.2 Modelos Clássicos DEA
O método DEA têm dois modelos clássicos; CCR (conhecido por CRS – Constant Return to
Scale) e o BCC (conhecido por VRS – Variable Return Scale). O modelo CCR (sigla para
Charnes, Cooper e Rhodes) opera com retornos constantes de escala, ou seja, a quantidade
de inputs consumidos nas operações é proporcional à obtenção dos outputs. Na forma
gráfica, este modelo apresenta uma superfície linear, não paramétrica, em que compreende
os dados das variáveis das DMUs (MELLO et al., 2005).
Por outro lado, o modelo BCC foi desenvolvido por Banker et al. (1984) a partir do modelo
CCR. Este modelo não considera a proporcionalidade entre as variáveis de input e output,
inerente ao modelo CCR, a partir da substituição do axioma da proporcionalidade pelo
axioma da convexidade (BERTOLOTO e MELLO, 2011; MELLO et al., 2005; MILANI et
al., 2015).
Os modelos CCR e BCC apresentam a ótica dos multiplicadores e do envelope a ser

apresentado ao longo desta seção. Além disto, o método DEA possibilita analisar o problema
considerando duas orientações;
 Orientação a output: quando se deseja obter o máximo de produtos sem que se altere
a quantidade de inputs utilizados; e
 Orientação a input: quando se deseja minimizar os inputs sem que se altere a
quantidade de outputs (BERTOLOTO e MELLO, 2011).
3.2.1 Modelo CCR

A formulação matemática do modelo CCR é apresentado por meio do Problema de
Programação Fracionária, conforme é possível evidencia na Equação 2 a Equação 5 (LINS
e MEZA, 2000).
∑𝑠𝑗=1 𝑢𝑗 𝑦𝑗0
𝑀𝑎𝑥 ℎ0 =
∑𝑚𝑖=1 𝑣𝑖 𝑥𝑗0
Equação 2
∑𝑠𝑗=1 𝑢𝑗 𝑦𝑗𝑘 Equação 3

𝑠. 𝑡. 𝑚 ≤ 1 𝑘 = 1, 2, 3, … , 𝑛
∑𝑖=1 𝑣𝑖 𝑥𝑗𝑘
𝑢𝑗 ≥ 0, ∀𝑗 = 1, … , 𝑠, Equação 4
𝑣𝑖 ≥ 0, ∀𝑖 = 1, … , 𝑚, Equação 5
35
Em que
k: é a quantidade de DMUs
i: é a quantidade de inputs de cada DMU
j: é a quantidade de outputs de cada DMU
ℎ0 : é a eficiência da DMU em análise
𝑦𝑗0 : é o valor do output j da DMU em análise
𝑥𝑖0 : é o valor do input i da DMU em análise
𝑢𝑗 : é o vetor peso atribuído ao output j
𝑣𝑖 : é o vetor peso atribuído ao input i
Como é possível observar, as incógnitas da Equação 2 e Equação 3 dizem respeito ao valor

dos pesos 𝑢𝑗 e 𝑣𝑖 , que por sua vez é interpretado como a importância relativa de cada
variável, com o objetivo de maximizar a soma ponderada dos outputs (output “virtual”) em
relação a soma ponderada dos inputs (input “virtual”), sujeita a restrição de que, o resultado
desta divisão, seja menor ou igual a um, para todas as DMUs (LINS e MEZA, 2000). Logo,
as eficiências variam de zero a um.
Além de assumirem a restrição de não negatividade, os valores dos pesos são dados para
cada DMU em análise (ou DMU observada (DMUo)) e estes podem apresentar valores
distintos entre si, conforme o valor dos inputs e dos outputs de cada DMU em particular.
A formulação matemática da Equação 2, Equação 3, Equação 4 e Equação 5 é um problema

de programação não-linear e a solução para isto é tornar o denominador da Função Objetivo
numa constante – ou seja, igualando-o ao valor um –, transformando o problema numa
simples programação linear, conforme visto na Equação 6 a Equação 9 (LINS e MEZA,
2000);
36
𝑠
𝑀𝑎𝑥 ℎ0 = ∑ 𝑢𝑗 𝑦𝑗0 Equação 6

𝑗=1
𝑚
Equação 7
𝑠. 𝑡. ∑ 𝑣𝑖 𝑥𝑖0 = 1
𝑖=1
𝑠 𝑚
Equação 8
∑ 𝑢𝑗 𝑦𝑗𝑘 − ∑ 𝑣𝑖 𝑥𝑖𝑘 ≤ 0 𝑘 = 1, 2, 3, … , 𝑛
𝑗=1 𝑖=1
𝑢𝑗 , 𝑣𝑖 ≥ 0, ∀𝑥, 𝑦 Equação 9
Esta formulação matemática é conhecida como Modelo dos Multiplicadores, pois as

variáveis de decisão são os pesos 𝑢𝑗 e 𝑣𝑖 , e orientada a input (MELLO et al., 2005).
Conforme já mencionado, a orientação a input determina que a eficiência deve ser atingida
considerando à redução dos inputs. Esta formulação é melhor compreendida e visualizada
pelo dual deste modelo, conhecido por Modelo do Envelope (Equação 10 a Equação 13)
(COOPER et al., 2006; GUEDES et al., 2008).
𝑀𝑖𝑛 ℎ Equação 10
𝑛
𝑠. 𝑡. ℎ𝑥𝑖0 − ∑ λ𝑘 𝑥𝑖𝑘 ≥ 0, 𝑖 = 1, … , 𝑟 Equação 11

𝑘=1
𝑛
𝑦𝑗0 + ∑ 𝑦𝑗𝑘 𝜆𝑘 ≥ 0, 𝑗 = 1, … , 𝑠 Equação 12

𝑘=1
λ𝑘 ≥ 0, ∀𝑘 Equação 13
Em que;
λ𝑘 : são os pesos atribuídos as variáveis de input e output até a k-ésima DMU.
A ótica do input é a possibilidade de redução dos recursos disponíveis para atingir a

eficiência máxima, em que h deve ser igual a um, formando, assim, a fronteira de eficiência.
De forma similar à orientação a input, o modelo DEA CCR orientado a output determina
que a DMUo atinge à eficiência máxima aumentando a quantidade de produtos sem alterar
37
os recursos disponíveis. O valor dos pesos é multiplicado para todos os outputs, formando
assim, a fronteira eficiente de produção. (RUBEM et al., 2015; SOUSA JÚNIOR, 2010).
Análogo a formulação matemática apresentada na orientação a inputs, o modelo CRS sob a

ótica dos Multiplicadores e orientado a output, se obtém ao inverter o quociente do modelo
CRS sob a ótica dos Multiplicadores orientado a input (Equação 14 a Equação 17) (GUEDES
et al., 2008).
𝑚𝑖𝑛 ℎ0 = ∑ 𝑣𝑖 𝑥𝑖0 Equação 14

𝑖=1
𝑚
𝑠. 𝑡. ∑ 𝑢𝑗 𝑦𝑗0 = 1 Equação 15
𝑗=1
𝑠 𝑚
∑ 𝑢𝑗 𝑦𝑗𝑘 − ∑ 𝑣𝑖 𝑥𝑖𝑘 ≤ 0 𝑘 = 1, … , 𝑛 Equação 16

𝑗=1 𝑖=1
𝑢𝑗 , 𝑣𝑖 ≥ 0, ∀𝑥, 𝑦 Equação 17
Como é possível observar, na Equação 14 a Equação 17 já linearizadas e as variáveis de

decisão 𝑢𝑗 e 𝑣𝑖 são as mesmas que a orientação a input. Sendo assim, seu dual (Modelo do
Envelope) é apresentado pela Equação 18 a Equação 21 (GUEDES et al., 2008; SOUSA
JÚNIOR, 2010).
𝑀𝑎𝑥 ℎ Equação 18
𝑛
𝑠. 𝑡. −ℎ𝑦𝑗0 + ∑ λ𝑘 𝑦𝑗𝑘 ≥ 0, 𝑗 = 1, … , 𝑠 Equação 19

𝑘=1
𝑛
𝑥𝑖0 + ∑ 𝑥𝑖𝑘 𝜆𝑘 ≥ 0, 𝑖 = 1, … , 𝑟 Equação 20

𝑘=1
λ𝑘 ≥ 0, ∀𝑘ℎ ≥ 0 Equação 21
38
3.2.2 Modelo BCC
Segundo Fernandes (2010), o modelo VRS surgiu a partir de uma variação do modelo CRS
com o objetivo de tratar os casos de rendimento crescentes e decrescentes de escala na
fronteira eficiente, onde é necessário incluir uma restrição adicional de convexidade ao
modelo do envelope orientado a input (Equação 22 a Equação 26) e a output (Equação 27 a
Equação 31) (GUEDES et al., 2008; MELLO et al., 2005).
𝑀𝑖𝑛 ℎ Equação 22
𝑛
𝑠. 𝑡. ℎ𝑥𝑖0 − ∑ 𝑥𝑖𝑘 λ𝑘 ≥ 0, 𝑖 = 1, … , 𝑟 Equação 23

𝑘=1
𝑛
−𝑦𝑗0 + ∑ 𝑦𝑗𝑘 𝜆𝑘 ≥ 0, 𝑗 = 1, … , 𝑠 Equação 24

𝑘=1
𝑛
∑ 𝜆𝑘 = 1 Equação 25
𝑘=1
λ𝑘 ≥ 0, ∀𝑘 Equação 26
𝑀𝑎𝑥 ℎ0 Equação 27
𝑛
𝑠. 𝑡. 𝑥𝑖0 − ∑ 𝑥𝑖𝑘 λ𝑘 ≥ 0, ∀𝑖 Equação 28

𝑘=1
𝑛
−ℎ0 𝑦𝑗0 + ∑ 𝑦𝑗𝑘 𝜆𝑘 ≥ 0, ∀𝑗 Equação 29

𝑘=1
𝑛
∑ 𝜆𝑘 = 1 Equação 30
𝑘=1
λ𝑘 ≥ 0, ∀𝑘 = 1, … , 𝑛 Equação 31
Segundo Mello et al. (2005), os duais do modelo VRS são resultados do Multiplicadores,
orientados a inputs (Equação 32 a Equação 35) e a outputs (Equação 36 a Equação 39).
Nestes modelos há duas variáveis duais 𝑢∗ e 𝑣∗ que são associadas à condição ∑𝑛𝑘=1 𝜆𝑘 = 1
e “são interpretados como fatores de escala” (MELLO et al., 2005, p. 2532).
39
𝑠
𝑀𝑎𝑥 ℎ0 = ∑ 𝑢𝑗 𝑦𝑗0 + 𝑢∗ Equação 32

𝑗=1
𝑟
𝑠. 𝑡. ∑ 𝑥𝑖0 𝑣𝑖 = 1 Equação 33
𝑖=1
𝑠 𝑟
− ∑ 𝑦𝑗𝑘 𝑢𝑗 + ∑ 𝑥𝑖𝑘 𝑣𝑖 + 𝑢∗ ≤ 0, ∀𝑘 Equação 34

𝑗=1 𝑖=1
𝑣𝑖 , u𝑗 ≥ 0, 𝑢∗ ∈ ℜ Equação 35
𝑚𝑖𝑛 ℎ0 = ∑ 𝑥𝑖0 𝑣𝑖 + 𝑣∗ Equação 36

𝑗=1
𝑠
𝑠. 𝑡. ∑ 𝑦𝑗0 𝑢𝑗 = 1 Equação 37
𝑗=1
𝑟 𝑠
− ∑ 𝑥𝑖𝑘 𝑣𝑖 + ∑ 𝑦𝑗𝑘 𝑢𝑗 − 𝑣∗ ≤ 0, ∀𝑘 Equação 38

𝑖=1 𝑗=1
𝑣𝑖 , u𝑗 ≥ 0, 𝑣∗ ∈ ℜ Equação 39
3.3 Outputs indesejados

Os outputs indesejados são externalidades inerentes ao processo produtivo, tais como
emissão de CO2, resíduos sólidos, acidentes, entre outros. Diante disto, é necessário que os
dados desta variável sejam devidamente tratados por meio das seguintes abordagens,
conforme apresentado por Tschaffon e Meza (2011);
 Additive Inverse (ADD): os outputs indesejados são convertidos numa variável
desejada por meio da troca de sinais, expressa pela seguinte função: 𝑓(𝑈) = −𝑢
(KOOPMANS, 1951)
 Incorporating Undesirable Outputs as Inputs (INP): nesta abordagem, os outputs
indesejáveis são considerados como inputs na estrutura do problema. Além disto,
esta abordagem permite que sejam adotados os modelos DEA CCR e BCC
dependendo das escalas de operação das DMUs analisadas;
 Multiplicative Inverse (MLT): os outputs indesejáveis são incorporados na estrutura
do problema por meio do inverso da variável em questão. Ou seja, esta abordagem
40
apresenta a seguinte função matemática 𝑓(𝑈) = 1⁄𝑢. A partir disto, o output
indesejável torna-se um output desejável. Entretanto, esta abordagem não pode ser
adotada caso o output indesejável apresente valor igual à zero.
 Translation (TRβ): esta abordagem é similar à abordagem ADD, mas, adiciona um
escalar positivo (𝛽𝑖 ) que seja grande o suficiente de modo que os resultados sejam
positivos para cada DMU, cujos valores transladam. Entretanto, esta abordagem é
válida somente para os modelos DEA BCC e Aditivo, tendo em vista que o modelo
CCR não é invariante à translação. Desta forma, esta abordagem tem a seguinte
função matemática: 𝑓(𝑈) = −𝑢 + 𝛽 (TSCHAFFON e MEZA, 2011).
3.4 Método Network DEA

Os modelos clássicos de DEA tratam as DMUs como uma caixa preta (black box),
negligenciando os processos internos e as atividades de ligação (produtos intermediários)
das DMUs, além de considerar apenas um único nível de avaliação (estágio) (GOMES
JÚNIOR et al., 2014; OMRANI e KESHAVARZ, 2015).
Sendo assim, Färe e Grosskopf (2000) apresentaram um modelo DEA que permite avaliar
os processos internos de transformação dos inputs e dos outputs, baseados nos modelos
clássicos (TORRES et al., 2016). Os modelos DEA com múltiplos níveis surgiram a partir
da necessidade de se analisar as eficiências dos diversos processos organizacionais, uma vez
que os modelos DEA clássicos não tinham esta capacidade, sendo, então, uma das vantagens
do modelo Network-DEA (NDEA) (FRANCISCO, 2013; LOPES, 2016).
Nos modelos em níveis (ou multinível), em geral, são formados por mais de um processo
interligado, constituindo uma espécie de “rede”. Estas conexões apresentam estruturas em
série, paralelo ou uma mistura destes dois (FRANCISCO, 2013; SANTOS, 2015).
A estrutura em série apresenta as variáveis com a seguinte configuração; inputs exógenos,

variáveis intermediárias e outputs exógenos (LOPES, 2016). As variáveis intermediárias
assumem o papel tanto de input quanto de output, pois, será o output no primeiro estágio e,
consequentemente, o input no estágio subsequente (LEWIS e SEXTON, 2004).
41
Segundo Ebrahimnejad et al. (2014), os modelos Network DEA estruturados em série são
divididos em duas categorias;
 Modelos de sistema fechados; as variáveis exógenas são encontradas apenas no
primeiro estágio (input) e no último estágio (output). Nos estágios intermediários,
utiliza-se os outputs do estágio anterior como inputs no estágio subsequente,
conforme é possível observar na Figura 11; e
 Modelos de sistema abertos; as variáveis exógenas (inputs e/ou outputs) podem ser
encontradas em cada um dos processos que compõem o sistema (Figura 12).
Figura 11: Modelo Network Two-Stage DEA estruturado em série fechado

Figura 12: Modelo Network Two-Stage DEA estruturado em série aberto

Nos modelos de sistema estruturados em paralelo, as variáveis inputs e outputs são

independentes em cada processo. Sendo assim, não há variáveis intermediárias, logo, os
inputs e os outputs são sempre exógenos, conforme é apresentado na Figura 13 (LOPES,
2016).
42
Figura 13: Modelo Network DEA estruturado em paralelo
Fonte: Adaptado de (LOPES, 2016)
Por fim, o modelo Network DEA apresenta a estrutura mista quando o modelo não está
estruturado em série e nem em paralelo, contemplando, assim, as duas estruturas (LOPES,
2016).
Além disto, Färe et al. (2007) apresentam três formas de se aplicar o modelo Network DEA,
que são; tecnologias de produção dinâmica, tecnologias de produção estática e adoção
tecnológica (mudança técnica incorporada). A tecnologia de produção dinâmica considera o
espaço temporal discreto na análise, ou seja, os períodos de tempos da análise são distintos
e não infinitos. O exemplo adotado pelos autores é o cultivo de batatas, onde uma parte da
produção das batatas (output) do primeiro período de tempo é consumido e uma outra parte
é utilizada como input na próxima estação de cultivo (segundo período de tempo) (Figura
14) (FÄRE et al., 2007).
Figura 14:Modelo Network DEA considerando a tecnologia de produção dinâmica

Fonte: (FÄRE et al., 2007)
43
A adoção de tecnologias pode ser formulada com base em dois equipamentos, dado que as
tecnologias destes equipamentos são distintas entre si. Neste caso, os inputs são alocados
acerca dos equipamentos, e, consequentemente, determinam qual a tecnologia a ser
considerada nos sub processos. Em geral, isto é conhecido pelos economistas como
“embodied technical change”2 (FÄRE et al., 2007).
Por fim, a tecnologia de produção estática consiste numa quantidade finita de estágios
conectados na forma de rede, conforme é possível observar na Figura 15. Este modelo
considera que em cada DMU há processos internos que tem um conjunto de inputs e outputs
que são relacionados entre si (TORRES et al., 2016). Além disto, este modelo fornece a
estrutura básica para os demais modelos (modelo tecnológico de produção dinâmico e a
adoção tecnológica) (FÄRE et al., 2007).
Figura 15: Modelo Network Two-Stage DEA

Fonte: Adaptado de (SEXTON e LEWIS, 2003)
A título de exemplo, considera-se uma planta de produção de energia elétrica a base de

queima de carvão. Num único estágio é gerado a energia elétrica e o dióxido de enxofre
(SO2), uma externalidade do processo. Os autores utilizam como input a quantidade de mão
de obra e a emissão de SO2, como variável intermediária, e à geração de energia elétrica
como output a ser maximizado. Ou seja, o problema de otimização considerado é analisar a
eficiência das usinas elétricas, considerando à tecnologia desta que gera energia elétrica e
reduz à emissão de poluentes no seu processo produtivo (FÄRE et al., 2007).
Kao e Hwang (2010) classificam os modelos Network Two-Stage DEA em independente,

conectado e relacional. Na primeira abordagem, é reconhecido a existência de sub processos
(estágios) no sistema (DMUs), mas as eficiências da DMU e dos estágios são calculados de
2
Mudança técnica incorporada, na tradução livre.
44
forma independente, onde não há relação direta entre o desempenho dos estágios e da DMU
(OMRANI e KESHAVARZ, 2015).
Em seguida, a abordagem conectada considera as interações entre os estágios para calcular

a eficiência global da DMU. Entretanto, a eficiência de cada estágio não tem
necessariamente relação direta com a eficiência global da DMU (KAO e HWANG, 2010;
OMRANI e KESHAVARZ, 2015).
Por fim, na abordagem relacional apresenta a relação direta entre a eficiência global da DMU
e dos estágios, por meio de restrições impostas na programação linear. A primeira publicação
acerca do modelo relacional foi realizado por Kao e Hwang (2008) para avaliar um sistema
que apresentou dois estágios conectados em série, onde a eficiência global do sistema foi
calculada a partir do produto das eficiências obtida em cada estágio. Esta abordagem foi
aprofundada por Kao (2009) ao considerar as estruturas em paralelo nos estágios conectados.
A principal diferença entre os modelos relacional e independente situa-se no fator

multiplicador, onde, o modelo relacional requer o mesmo fator, enquanto que no modelo
independente é permitido diferentes fatores multiplicadores no qual é utilizado em diferentes
estágios (FRANCISCO, 2013; SANTOS, 2015).
3.4.1 Modelo Network Two-Stage DEA

O modelo Network Two-Stage DEA – ou, simplesmente, Two-Stage DEA– analisa cada
DMU em dois estágios, resultado da decomposição do processo de produção, cuja estrutura
é em série fechada, ou seja, os outputs do primeiro estágio são os inputs do segundo estágio
(BRÁS, 2015).
Este modelo foi utilizado por Seiford e Zhu (1999) para medir a rentabilidade e a liquidez
de 55 bancos comerciais dos Estados Unidos (EUA). No primeiro estágio foram
considerados a quantidade de funcionários, ativos e patrimônio líquidos como input e, como
outputs intermediários, as receitas e os lucros. No segundo estágio, os outputs exógenos
foram o valor de mercado, o retorno total para os investidores e o lucro por ação, para avaliar
a negociabilidade.
45
Wanke (2013) utilizou o modelo Two-Stage DEA para medir a eficiência de 27 portos
brasileiros, onde foi considerado, no primeiro estágio, a infraestrutura física, tendo como
inputs; o número de berços, a área de armazenagem e a área do pátio. Para a variável
intermediária foram considerados as atracações das embarcações que movimentam granel
sólido anual e a quantidade embarcações que movimentam contêineres anual. No segundo
estágio, os outputs exógenos foram a quantidade de graneis sólidos (toneladas/ano) e
contêineres (TEU/ano).
Seiford e Zhu (1999) afirmam que claramente é possível aplicar o modelo Network Two-
Stage DEA de forma independente. Entretanto, Liang et al. (2008) afirmam que há um
conflito inerente a esta análise. Por exemplo, suponha que uma DMU é eficiente no primeiro
estágio e no segundo estágio não é. Ao melhorar o desempenho desta DMU no segundo
estágio (reduzindo o input intermediário (𝑧𝑑𝑗 ), por meio do modelo DEA orientado a input)
a redução da variável intermediária pode tornar a DMU ineficiente no primeiro estágio.
A partir disto, Kao e Hwang (2008) propuseram um modelo que considera à relação entre os
estágios, conhecido como modelo Network Two-Stage DEA Relacional Multiplicativo que
é baseado no modelo clássico DEA-CCR. A modelagem matemática para a eficiência global
(𝐸0 ) é apresentada na Equação 40 a Equação 42 (KAO e HWANG, 2010; TORRES et al.,
2016).
∑𝑠𝑟=1 𝑢𝑟 𝑦𝑟0
𝐸0 = max
∑𝑚 𝑖=1 𝑣𝑖 𝑥𝑖0
Equação 40
∑𝑠𝑟=1 𝑢𝑟 𝑦𝑟𝑗
𝑠. 𝑡. 𝑚 ≤ 1, 𝑗 = 1,2, … , 𝑛
∑𝑖=1 𝑣𝑖𝑗 𝑥𝑖𝑗 Equação 41
𝑢𝑟 , 𝑣𝑖 ≥ 0, 𝑖 = 1,2, … , 𝑚, 𝑟 = 1,2, … , 𝑠 Equação 42
De forma análoga, a modelagem matemática do primeiro estágio (𝐸01 ) é descrita na Equação

43 a Equação 45. E do segundo estágio (𝐸02 ) é descrito pela Equação 46 a Equação 48, onde
os termos 𝑢𝑟 , 𝑣𝑖 , 𝑤𝑑 são os pesos das variáveis 𝑥, 𝑦, 𝑧 que são, respectivamente, os valores
dos inputs, dos outputs e das variáveis intermediárias (TORRES et al., 2016).
46
∑𝐷
𝑑=1 𝑤𝑑 𝑧𝑑0
𝐸01 = max
∑𝑚
𝑖=1 𝑣𝑖 𝑥𝑖0
Equação 43
∑𝐷
𝑑=1 𝑤𝑑 𝑧𝑑𝑗
𝑠. 𝑡. 𝑚 ≤ 1, 𝑗 = 1,2, … , 𝑛 Equação 44
∑𝑖=1 𝑣𝑖𝑗 𝑥𝑖𝑗
𝑤𝑑 , 𝑣𝑖 ≥ 0, 𝑖 = 1,2, … , 𝑚, 𝑑 = 1,2, … , 𝐷 Equação 45
𝐸02 = max 𝐷 Equação 46
∑𝑑=1 𝑤𝑑 𝑧𝑑0
𝑠. 𝑡. ≤ 1, 𝑗 = 1,2, … , 𝑛
∑𝐷
Equação 47
𝑢𝑟 , 𝑤𝑑 ≥ 0, 𝑑 = 1,2, … , 𝐷, 𝑟 = 1,2, … , 𝑠 Equação 48
Kao e Hwang (2008) estabeleceram a iteração entre os dois estágios ao adicionar as

restrições da Equação 43 e Equação 47 na Equação 41 – ou seja, a eficiência dos estágios
deve ser menor ou igual a 1 – conforme é apresentado na Equação 49 a Equação 53 (GOMES
JÚNIOR et al., 2014).
𝐸0 = max 𝑚 Equação 49
∑𝑖=1 𝑣𝑖 𝑥𝑖0
𝑠. 𝑡. 𝑚 ≤ 1, 𝑗 = 1,2, … , 𝑛
∑𝑖=1 𝑣𝑖𝑗 𝑥𝑖𝑗 Equação 50
∑𝐷
≤ 1, 𝑗 = 1,2, … , 𝑛
∑𝑚
𝑖=1 𝑣𝑖𝑗 𝑥𝑖𝑗
Equação 51
≤ 1, 𝑗 = 1,2, … , 𝑛
∑𝐷
Equação 52
𝑢𝑟 , 𝑣𝑖 , 𝑤𝑑 ≥ 0, 𝑖 = 1,2, … , 𝑚, 𝑟 = 1,2, … , 𝑠, 𝑑 = 1,2, … , 𝐷 Equação 53
Além disto, os autores assumiram que os multiplicadores associados às variáveis

intermediárias (𝑧𝑑𝑗 ) são os mesmos, independentemente se são outputs do primeiro estágio
ou inputs do segundo estágio (KAO e HWANG, 2008). As Equação 49 a Equação 53 podem
ser linearizadas desde que o denominador da função objetivo seja igual a um (∑𝑚
𝑖=1 𝑣𝑖 𝑥𝑖0 =
1), o que possibilita utilizar a técnica de Programação Linear para sua resolução (Equação
54 a Equação 59).
47
𝑠
𝐸0 = 𝑚𝑎𝑥 ∑ 𝑢𝑟 𝑦𝑟0 Equação 54

𝑟=1
𝑚
𝑠. 𝑡. ∑ 𝑣𝑖 𝑥𝑖0 = 1 Equação 55
𝑖=1
𝑠 𝑚
∑ 𝑢𝑟 𝑦𝑟𝑗 − ∑ 𝑣𝑖 𝑥𝑖𝑗 ≤ 0, 𝑗 = 1,2, … , 𝑛 Equação 56

𝑟=1 𝑖=1
𝐷 𝑚
∑ 𝑤𝑑 𝑧𝑑𝑗 − ∑ 𝑣𝑖 𝑥𝑖𝑗 ≤ 0, 𝑗 = 1,2, … , 𝑛 Equação 57

𝑑=1 𝑖=1
𝑠 𝐷
∑ 𝑢𝑟 𝑦𝑟𝑗 − ∑ 𝑤𝑑 𝑧𝑑𝑗 ≤ 0, 𝑗 = 1,2, … , 𝑛 Equação 58

𝑟=1 𝑑=1
𝑢𝑟 , 𝑣𝑖 , 𝑤𝑑 ≥ 0, 𝑖 = 1,2, … , 𝑚, 𝑟 = 1,2, … , 𝑠, 𝑑 = 1,2, … , 𝐷 Equação 59
Contudo, de acordo com Kao (2009), as restrições apresentada na Equação 56 são

redundantes, logo pode-se omiti-las resultando na Equação 60 s Equação 62;
∑𝐷
𝐸02 = max
∑𝐷
Equação 62
Uma outra forma de se obter a eficiência global é por meio do produto das eficiências dos
estágios, conforme apresentado pela Equação 63.
𝐸0 = 𝐸01 × 𝐸02 Equação 63
Entretanto, a combinação dos pesos ótimos pode não ser única, ou seja, há mais de uma
possibilidade de combinação de pesos no cálculo das eficiências e, consequentemente, a
decomposição da Equação 63 pode também não ser única (BRÁS, 2015; GOMES JÚNIOR
et al., 2014).
48
Como solução, Kao e Hwang (2008) propuseram encontrar o conjunto de multiplicadores
que permita o maior valor para 𝐸01 , mantendo o escore de eficiência global em 𝐸0 calculado
a partir da Equação 54 a Equação 59.
Este conceito foi formulado matematicamente pelo autor conforme é possível observar na
Equação 64 a Equação 70 (BRÁS, 2015; KAO e HWANG, 2008);
𝐸01+ = max ∑ 𝑤𝑑 𝑧𝑑0 Equação 64

𝑑=1
𝑚
𝑠. 𝑡. ∑ 𝑣𝑖 𝑥𝑖𝑗 = 1, 𝑗 = 1,2, … , 𝑛 Equação 65

𝑖=1
𝑠 𝑚
∑ 𝑢𝑟 𝑦𝑟𝑗 − 𝐸0 ∑ 𝑣𝑖 𝑥𝑖𝑗 = 0, 𝑗 = 1,2, … , 𝑛 Equação 66

𝑟=1 𝑖=1
𝑠 𝑚

𝑟=1 𝑖=1
𝐷 𝑚

𝑑=1 𝑖=1
𝑠 𝐷

𝑟=1 𝑑=1
𝑢𝑟 , 𝑤𝑑 , 𝑣𝑖 ≥ 𝜀, 𝑟 = 1,2, … , 𝑠; 𝑖 = 1,2, … , 𝑚; 𝑑 = 1,2, … , 𝐷 Equação 70
Após o cálculo de 𝐸01+ , a eficiência do segundo estágio é obtida pela Equação 71;
𝐸0
𝐸02− =
𝐸01+ Equação 71
Este procedimento pressupõe que o tomador de decisão demonstra maior interesse na

eficiência do primeiro estágio. Caso o interesse seja maior pelo segundo estágio, então
calcula-se primeiro o conjunto dos multiplicadores que possibilita o maior valor para 𝐸02 ,
similarmente denotado por 𝐸02+ , considerando o mesmo valor de eficiência global (𝐸0 )
(Equação 72 a Equação 78);
49
𝑠
𝐸02+ = max ∑ 𝑢𝑟 𝑦𝑟0 Equação 72

𝑟=1
𝐷
𝑠. 𝑡. ∑ 𝑤𝑑 𝑧𝑑𝑗 = 1, 𝑗 = 1,2, … , 𝑛 Equação 73

𝑑=1
𝑠 𝑚
∑ 𝑢𝑟 𝑦𝑟𝑗 − 𝐸0 ∑ 𝑣𝑖 𝑥𝑖𝑗 = 0, 𝑗 = 1,2, … , 𝑛 Equação 74

𝑟=1 𝑖=1
𝑠 𝑚

𝑟=1 𝑖=1
𝐷 𝑚

𝑑=1 𝑖=1
𝑠 𝐷

𝑟=1 𝑑=1
𝑢𝑟 , 𝑤𝑑 , 𝑣𝑖 ≥ 𝜀, 𝑟 = 1,2, … , 𝑠; 𝑖 = 1,2, … , 𝑚; 𝑑 = 1,2, … , 𝐷 Equação 78
O cálculo da eficiência do primeiro estágio é obtido por (Equação 79).
𝐸0
𝐸01− =
𝐸02+ Equação 79
No que se refere aos alvos projetados na fronteira eficiente, Chen et al. (2013) demonstraram
que, sob a condição do CCR, a abordagem do envelope do modelo Two-Stage DEA não
fornece, necessariamente, informações sobre a eficiência dos estágios e somente apresenta
informações quanto às projeções das DMUs na fronteira.
Diante desta “armadilha”, a abordagem do envelope do modelo Two-Stage DEA não explica
os pesos atribuídos às variáveis intermediárias utilizados nos cálculos das eficiências dos
estágios. Embora a abordagem dos multiplicadores ofereça valor de eficiência global e nos
estágios, os duais podem não fornecer informações corretas sobre as projeções na fronteira
sem os ajustes adequados no modelo DEA, o que só pode ser realizado nos modelos de
estágios em série (CHEN et al., 2013; TORRES et al., 2017).
50
Entretanto, Kao e Hwang (2008) apresentaram o modelo matemático do envelope do modelo
Two-Stage DEA da seguinte forma (Equação 80 a Equação 84);
𝑚 𝐷 𝑠
min 𝜃 − 𝜀 (∑ 𝑠𝑖𝑣 + ∑ 𝑠𝑑𝑤 + ∑ 𝑠𝑟𝑢 ) Equação 80

𝑖=1 𝑑=1 𝑟=1
𝑛 𝑛
𝑠. 𝑡. 𝜃𝑥𝑖𝑜 − ∑ 𝛼𝑗 𝑥𝑖𝑗 − ∑ 𝛽𝑗 𝑥𝑖𝑗 − 𝑠𝑖𝑣 = 0, 𝑖 = 1,2, … , 𝑚 Equação 81

𝑗=1 𝑗=1
𝑛 𝑛
∑ 𝛽𝑗 𝑧𝑑𝑗 − ∑ 𝛾𝑗 𝑧𝑑𝑗 − 𝑠𝑑𝑤 = 0, 𝑑 = 1,2, … , 𝐷 Equação 82

𝑗=1 𝑗=1
𝑛 𝑛
∑ 𝛼𝑗 𝑦𝑟𝑗 − ∑ 𝛾𝑗 𝑦𝑟𝑗 − 𝑠𝑟𝑢 = 𝑦𝑟0 , 𝑟 = 1,2, … , 𝑠 Equação 83

𝑗=1 𝑗=1
𝛼𝑗 , 𝛽𝑗 , 𝛾𝑗 , 𝑠𝑖𝑣 , 𝑠𝑑𝑤 , 𝑠𝑟𝑢 ≥ 0

Equação 84
𝑗 = 1, … , 𝑛; 𝑟 = 1, … , 𝑠; 𝑖 = 1, … 𝑚; 𝑑 = 1, … , 𝐷
Ao substituir 𝛼𝑗 + 𝛾𝑗 por 𝜆𝑗 e 𝛽𝑗 + 𝛾𝑗 por 𝛿𝑗 , obtém-se 𝜆𝑗 + 𝛿𝑗 = 𝛼𝑗 + 𝛽𝑗 . Desta forma, é

possível reescrever o modelo da seguinte forma (Equação 85 a Equação 89);
𝑚 𝐷 𝑠
𝐸0 = 𝑚𝑖𝑛 𝜃 − 𝜀 (∑ 𝑠𝑖𝑣 + ∑ 𝑠𝑑𝑤 + ∑ 𝑠𝑟𝑢 ) Equação 85

𝑖=1 𝑑=1 𝑟=1
𝑛
𝑠. 𝑡. ∑(𝜆𝑗 + 𝛿𝑗 )𝑥𝑖𝑗 + 𝑠𝑖𝑣 = 𝜃𝑥𝑖0 , 𝑖 = 1, … , 𝑚 Equação 86

𝑗=1
𝑛
∑ 𝛿𝑗 𝑧𝑑𝑗 − 𝑠𝑑𝑤 = 0, 𝑑 = 1, … , 𝐷 Equação 87

𝑗=1
𝑛
∑ 𝜆𝑗 𝑦𝑟𝑗 − 𝑠𝑟𝑢 = 𝑦𝑟0 , 𝑟 = 1, … , 𝑠 Equação 88

𝑗=1
𝜆𝑗 , 𝛿𝑗 , 𝑠𝑖𝑣 , 𝑠𝑑𝑤 , 𝑠𝑟𝑢 ≥ 0 Equação 89
em que 𝜆𝑗 𝑒 𝛿𝑗 são os pesos das variáveis e 𝑠𝑖𝑣 , 𝑠𝑑𝑤 , 𝑠𝑟𝑢 são as folgas dos inputs exógenos,
variáveis intermediárias e outputs exógenos, respectivamente.
51
Kao e Hwang (2008) afirma que se todo 𝛿𝑗 ,𝑗 = 1, . . , 𝑛 for igual a zero, então este modelo se
refere ao modelo CCR convencional. Entretanto, caso haja pelo menos um 𝛿𝑗 diferente de
zero, então a fronteira de produção formada pelas DMUs se desviará, em vez de passar por
elas como ocorre no modelo CCR convencional (KAO e HWANG, 2008). Ainda o mesmo
autor, este desvio permite explicar o porquê de nenhuma das DMUs ser eficiente.
3.5 DEA Aplicado no Setor Portuário

A aplicação dos modelos clássicos DEA tem sido largamente utilizado em diversos setores
da economia mundial. Entretanto, os pesquisadores utilizam pouco o modelo Network DEA
quando comparado com os modelos clássicos DEA, conforme é possível observar a seguir
no levantamento de alguns trabalhos acadêmicos acerca desta temática no setor portuário.
Contudo, é preciso destacar os principais trabalhos, que são;
 Paiva (2015) aplicou DEA em sete portos brasileiros que movimentam

predominantemente soja. O trabalho visava avaliar o desempenho ambiental e
operacional dos portos considerando como variáveis de inputs para a eficiência
operacional; capacidade de armazenamento, profundidade do canal de acesso e
extensão de berço. Para output, a autora considerou a prancha média e a
movimentação de soja movimentada. Na análise da eficiência ambiental foi utilizado
como input, os indicadores calculados por meio de procedimento metodológico
desenvolvido pela própria autora, onde foi atribuído valores que dizem respeito à
gestão ambiental dos portos, considerando os Resíduos Sólidos Gerados, Efluente
Líquidos (Sanitários, Fluviais e Oleosos) e Fauna Sinantrópica Nociva. Como output,
foi utilizado o Impacto Ambiental, estimado a partir da aplicação de uma
metodologia que foi baseada na Matriz de Leopold e o Índice de Desempenho
Ambiental (IDA), indicador desenvolvido e adotado pela ANTAQ. Em ambos os
casos, a autora utilizou o método DEA CCR orientado a input com o intuito de
reduzir o indicador que diz respeito à resíduos gerados, a existência de fauna
sinantrópica nociva e aos efluentes líquidos. Na eficiência operacional buscou-se
identificar a ociosidade das infraestruturas de armazenamento associada à
movimentação da soja.
 O artigo de Guedes et al. (2008) compara o modelo DEA utilizado por Rios et al.
(2004) e o utilizado em sua pesquisa. Enquanto que Rios et al. (2004) utilizaram o
modelo CCR orientado a input, onde foi considerado quatro inputs e um output. O
modelo proposto por Guedes et al. (2008) utilizou o DEA BCC orientado a output
considerando como inputs; número de berços, tamanho da área do terminal e
52
quantidade de funcionários. E os outputs foram; a quantidade de TEU’s por guindaste
(relação de produtividade) e quantidade de TEU’s movimentados. Entretanto, os
respectivos autores utilizaram DMUs artificiais como um método alternativos de
simulação de um conjunto de restrições aos pesos.
 O artigo de Rubem et al. (2014) utilizou dois métodos para avaliar o desempenho das
DMUs que foram o DEA CCR e BCC ambos orientados a output na formulação do
envelope e o método de Copeland. Os autores visavam avaliar a importância relativa
de cada unidade do setor portuário brasileiro para o comercio nacional, dado o tipo
de carga movimentada por cada unidade portuária. Para isso, foi desenvolvido um
conjunto de clusters e segregaram tais portos conforme o perfil da carga de cada
unidade portuárias. Neste artigo, a própria unidade portuária foi considerada como o
input (input unitário) e para output foram considerados o número de atracações,
quantidade de carga movimentada em contêineres (TEU), tonelagem movimentada
de carga solta, tonelagem movimentada de carga em granel líquido; e a tonelagem de
carga movimentada em granel sólido.
 O artigo de Roll e Hayuth (1993) é considerado o trabalho pioneiro na defesa da
aplicação de DEA no setor portuário. Entretanto, os autores limitaram na
apresentação teórica e não houve estudo de caso. Apesar disto, o trabalhou permitiu
a aplicação do DEA no setor portuário.
 O trabalho de Martinez-Budría et al. (1999) aplicou o modelo DEA-BCC com o
intuito de avaliar o desempenho operacional e financeiro de 26 portos contêineres
espanhóis, sendo estes segregados em três grupos conforme o grau de complexidade
de cada um. Os autores consideraram como variáveis de input, despesas com pessoal,
taxas de depreciação e outros custos. Para output foi considerado movimentação de
cargas, receita obtida no aluguel de facilidades.
 Tongzon (2001) avaliou o desempenho operacional de 16 terminais de diferentes
países considerando dois outputs, que são; movimentação de contêiner (TEU) e a
movimentação de contêineres (TEU) por hora de trabalho por navio, e seis inputs,
número de guindaste, número de berços de atracação, número de rebocadores,
número de funcionários, área do terminal e Delay Time.
 O artigo de Chang (2013) analisou a eficiência ambiental de 23 portos situados na
Coreia utilizando o SBM DEA, em que foram considerados os dados de desempenho
ambiental e econômico, estimando, assim, o potencial de redução de CO2 pelos
portos em questão. O artigo determina que estes portos foram ineficientes no ponto
de vista econômico, e eficientes ao considerar o desempenho ambiental e econômico
simultaneamente.
 Torres et al. (2016) analisou a eficiência operacional de 34 terminais portuários e
portos brasileiros utilizando o modelo Network DEA (NDEA), considerando como
input no primeiro estágio a quantidade de berços de atracação. E como output o
número de atracações. No segundo estágio, os inputs são os outputs utilizados no
53
primeiro estágio. O output do segundo estágio foi utilizado os pesos brutos de
carregamento dos contêineres, da carga solta, do granel sólido e do granel líquido.
Os autores utilizaram o tempo médio de estadia para comparar as eficiências do
primeiro, segundo estágios e a eficiência global.
 Omrani e Keshavarz (2015) adotou o modelo Network DEA relacional para analisar
a eficiência da cadeia de suprimentos das linhas de navegação, formadas por uma
série de tomadores de decisão, como; fornecedores, produtores e distribuidores,
interconectados em uma rede, onde foram considerados seis inputs, oito variáveis
intermediárias e um output.
A partir do levantamento dos trabalhos científicos que aplicaram o método DEA no setor
portuário, foram identificados os inputs e os outputs considerados para a representação dos
problemas destes trabalhos. O resultado deste levantamento permitiu identificar que, do total
de inputs adotados (145 inputs) neste levantamento, cerca de 60,69% utilizaram inputs que
dizem respeito a infraestrutura do porto, 16,55% de inputs acerca da operação do porto;
10,34% de inputs que dizem respeito as finanças do porto, 7,59% de inputs acerca dos
recursos humanos; 4,14% dos inputs que dizem respeito as questões ambientais e, por fim,
o input unitário foi utilizado apenas uma única vez, representado 0,69% da amostra,
conforme é possível observar na Figura 16 (ACOSTA, 2008; ACOSTA et al., 2011;
BARROS e ATHANASSIOU, 2004; BERTOLOTO e MELLO, 2011; CHANG, 2013;
CORTEZ et al., 2013; CRAVEIRO, 2015; CULLINANE et al., 2004; DASGUPTA e
SINHA, 2016; FERNANDES, 2010; FONTES, 2006; GOBBI, 2015; GUEDES et al., 2008;
GUIMARÃES et al., 2014; GÜNER, 2015; ITOH, 2002; KIRCHNER, 2013; MARTINEZ-
BUDRÍA et al., 1999; MILANI et al., 2015; NGUYEN et al., 2015; OLIVEIRA, 2015;
OMRANI e KESHAVARZ, 2015; PAIVA, 2015; PIRES, 2016; PIRES e SILVA, 2016;
RIOS, 2005; RIOS et al., 2004; ROLL e HAYUTH, 1993; RUBEM et al., 2014, 2015;
SILVA et al., 2011; SILVEIRA, 2009; SOUSA JÚNIOR, 2010; TISCOSKI, 2016;
TONGZON, 2001; TORRES et al., 2016; VALENTINE e GRAY, 2001; VIEIRA et al.,
2014; WANKE, 2013).
54
Figura 16: Percentual dos tipos de inputs utilizados nos trabalhos científicos levantados, que aplicaram DEA
no setor portuário.
A representatividade dos inputs mais utilizados pelos autores levantados é apresentada na

Figura 17. O input mais adotado nos trabalhos foi o número de equipamentos, representando
cerca de 13,10% da amostra. Esta variável diz respeito aos equipamentos utilizados nas
movimentações das cargas, tais como, guindastes pórticos, Reach Stacker, empilhadeiras,
entre outros.
Em seguida, a área do terminal, extensão de cais e número de berços representaram,

respectivamente, 10,34%, 8,97%, 7,59% da amostra. Os quatro inputs mais utilizados pelos
autores dizem respeito da infraestrutura do setor portuário. Além destas variáveis de entrada,
o levantamento contou com: o número de funcionários (7,59%), variável que diz respeito
aos recursos humanos disponíveis nas operações portuárias; extensão do berço (6,21%),
variável de infraestrutura e determina o tamanho máximo que um navio pode atracar; custo
operacional (4,83%); profundidade do calado (4,14%); profundidade do canal de acesso
(4,14%), área de armazenagem (2,76%), capacidade estática (2,76%), variável que diz
respeito a quantidade de cargas que o porto pode armazenar; capital (2,07%), variável sobre
os investimentos monetários aplicados nos portos (ou instalações portuárias) com o intuito
de promover sua modernização; consignação média (2,07%); resíduo sólido gerados
(2,07%).
55
Figura 17: Percentual dos inputs de infraestrutura mais utilizados nos trabalhos levantados
Por fim, a categoria “Demais inputs” é composta pelos inputs cuja representatividade foi
menor que 2% da amostra. Entretanto, juntos representam cerca de 21,38% da amostra3.
Os tipos de outputs mais adotados pelos autores estavam relacionados com as variáveis
operacionais, representando 85,29% da amostra, conforme é possível observar na Figura 18.
Em seguida, os demais tipos outputs utilizados foram; financeiro, ambiental e qualidade,
que, respectivamente, representaram 6,86%, 4,90% e 2,94% da amostra.
3
A categoria “Demais inputs” é representada por: capacidade de armazenamento, consumo de energia, prancha
média, total de emissão, área do pátio, capacidade de manuseio de carga, capacidade dos berços em receber
navios, consumo de agua por trabalhador, consumo de material de escritório, delay time, despesas com pessoal,
despesas totais, efluente líquidos, emissão de esgoto, energia consumida (TOE), fauna sinantrópica nociva,
input unitário, inverso do tempo médio de operação, investimentos, largura da bacia de evolução, largura do
canal de acesso, profundidade da bacia de evolução, profundidade do cais acostável, taxa de ocupação dos
berços, taxas de depreciação, tipos de carga, total de custos.
56
Figura 18: Percentual dos tipos de outputs mais utilizados nos trabalhos científicos levantados que aplicaram
DEA no setor portuário
A representatividade dos outputs utilizados pelos autores é apresentada na Figura 19. Como
é possível observar, o output carga movimentada representou 59,80% da amostra,
evidenciando a preferência dos autores por esta variável de saída. Em seguida, a atracação
foi o segundo output mais adotado pelos autores, representando 16,67% da amostra. Estes
dois outputs dizem respeito da operação portuária e, juntos, representam cerca de 76,47% da
amostra.
Figura 19: Percentual dos outputs mais utilizados nos trabalhos científicos levantados que aplicaram DEA no
setor portuário
57
Em seguida, os outputs mais adotados foram: faturamento (2,94%), lucro líquido (1,96%),
prancha média (1,96%), satisfação do cliente (1,96) e demais outputs (14,71%)4.
Ao analisar os modelos DEA adotados pelos autores, dos 49 trabalhos levantados para esta
dissertação, a aplicação dos modelos CCR e BCC, no mesmo trabalho, foi observado em
36,73% da amostra (Figura 20). Em trabalhos distintos, os modelos BCC e CCR foram
observados, respectivamente, em 20,41% da amostra.
Figura 20: Percentual dos modelos adotados pelos autores nos trabalhos levantados
Dos 49 trabalhos levantados para esta dissertação, apenas nove (18,37%) adotaram o modelo
Network DEA (Figura 20). Destes, apenas três (33,33%) foram referentes ao setor portuário.
Destes três trabalhos, dois (66,66%) utilizaram as variáveis de infraestrutura como input
exógenos; a quantidade de atracação como variável intermediária e; para output exógeno, a
movimentação de cargas nos portos.
4
Os outputs que compõem a categoria Demais Outputs são: 1/ tempo de operação/ 1.000 (TEUs), emissão de
co2 (ton), impacto ambiental, indice de desempenho ambiental (IDA), market share, média de movimentação
de contêiner por hora por navio, movimentação horária da carga (un/h), movimentação por hora, movimentação
teus por hora de trabalho/navio, nível de serviço (%), plásticos reciclados em relação aos plásticos segregados
(%), plásticos segregados em relação aos resíduos sólidos totais (%), produtividade no cais (unid/h), receita
obtida no aluguel de facilidades (pesetas), TEUs/guindaste.
58
3.6 Seleção das variáveis inputs e outputs
A tarefa de escolha das variáveis de input e output é considerada crítica, pois, caso haja
algum equívoco na seleção destas, é possível que os resultados sejam igualmente
equivocados (ALMAWSHEKI e SHAH, 2015; FERNANDES, 2010).
Com o intuito de evitar que isto ocorra, é preciso identificar a influência com que as variáveis
têm no problema a ser estudado. No que tange ao transporte de cargas pelo setor portuário,
Almawsheki e Shah (2015) afirmam que a escolha dos inputs e dos outputs devem refletir
os objetivos reais e os processos acerca das operações de movimentação das cargas do setor
portuário.
A partir do levantamento dos trabalhos científicos, observou-se que 60,69% das variáveis de
entrada consideradas pelos autores foram de inputs de infraestrutura. Das variáveis de saída,
85,29% foram de outputs que dizem respeito das operações portuárias.
Dowd e Leschine (1990) afirmam que a produtividade dos portos e terminais portuários
dependem do uso eficiente dos recursos disponíveis. Com isso, é possível concluir que as
características físicas e organizacionais influenciam na produtividade e eficiência do setor
portuário (SOUSA JÚNIOR, 2010). Desta forma, faz-se necessário apresentar algumas
variáveis de input e output com o intuito de enriquecer a discussão;
a. Cais de atracação
Segundo Fontes (2006), o cais é destinado à atracação de embarcações de passageiros e
cargas. A extensão do cais pode influenciar na produtividade do terminal, pois, é possível
que esta variável influencie na quantidade de berços de atracação existentes.
b. Berços de atracação
Os berços são locais destinados à atracação e movimentação das cargas a serem embarcadas
ou desembarcadas (APPA, 2011) A quantidade de berços determina a capacidade do porto
em atender as embarcações, simultaneamente.
Além disto, a extensão dos berços pode determinar o tamanho máximo das embarcações que
podem ser atracados. Para Paiva (2015, p. 49), a extensão dos berços “é uma medida da
59
disponibilidade de espaço” para as embarcações. Ainda a mesma autora, os berços mais
extensos conseguem atender embarcações de diversos tipos de tamanho.
c. Canal de Acesso
Segundo a ANTAQ (2009), o canal de acesso liga o alto mar com as instalações portuárias,
cuja profundidade, largura e sinalização devem ser adequadas para o acesso das embarcações
às instalações portuárias. Suas dimensões possibilitam, ou não, a atracação de embarcações
de maior porte e/ou mais carregados, medido por meio do calado (KIRCHNER, 2013;
PAIVA, 2015). Ou seja, quanto maior for estas dimensões, maior é a gama de embarcações
(pequeno, médio e grande porte) a navegarem.
d. Calado
O calado é definido por APPA (2011) e Sousa Júnior (2010) como a distância entre à lâmina
d’água e o ponto mais baixo da quilha da embarcação. Craveiro (2015) afirma que a
produtividade do porto está relacionada com os calados mais profundos pois, possibilita que
embarcações de maior porte, e mais carregadas, atraquem nestes portos.
e. Área do Terminal;
Para Kirchner (2013) e Fernandes (2010), a área do terminal representa a capacidade quanto
ao manuseio e armazenamento das cargas. Esta variável apresenta as características físicas
e operacionais dos portos e terminais portuários, onde é permitido medir sua capacidade
física e operacional (PIRES, 2016).
f. Área de Armazenagem e Pátio;

As áreas de armazenagem e os pátios de armazenagem são locais destinados para a
acomodação temporária das cargas destinadas/oriundas às embarcações. Paiva (2015) afirma
que a disponibilidade de cargas nos armazéns e pátios pode definir o tempo de duração da
operação portuária por permitir à manutenção do fluxo de cargas no decorrer da operação
portuária. Com isso, é possível perceber que as áreas de armazenagem e do pátio tem impacto
direto na produtividade do setor portuário como um todo.
g. Consignação Média;
60
A consignação média é o indicador que mede a quantidade de carga, em toneladas ou em
unidades de contêineres (TEU), que foram carregadas ou descarregadas dos navios –
toneladas/navio ou TEU/navio (ARRUDA et al., 2008; CRAVEIRO, 2015). Por meio deste
indicador, é possível caracterizar o tamanho médio das embarcações que atracam num berço,
ou num conjunto de berços do porto (Equação 90) (CRAVEIRO, 2015).
𝑠𝑜𝑚𝑎𝑡ó𝑟𝑖𝑜 𝑑𝑎 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎 𝑚𝑜𝑣𝑖𝑚𝑒𝑛𝑡𝑎𝑑𝑎

𝐶𝑜𝑛𝑠𝑖𝑔𝑛𝑎çã𝑜 𝑀é𝑑𝑖𝑎 =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑡𝑟𝑎𝑐𝑎çõ𝑒𝑠 Equação 90
h. Prancha Média;
Este indicador determina a quantidade de carga movimentada em relação ao tempo (hora)
que a embarcação esteve atracada (CRAVEIRO, 2015). Além disto, este indicador evidencia
de forma implícita um indicativo dos recursos utilizados no porto (ou terminal portuário),
tais como, quantidades e tipos de equipamentos e quantidade de mão de obra disponível.
É possível afirmar que determinados tipos de equipamentos utilizados na movimentação,

principalmente os mais especializados, pode impactar na capacidade de movimentação da
carga, afetando diretamente a produtividade do porto (CRAVEIRO, 2015; KIRCHNER,
2013).
i. Tempo Médio de Espera de Navios;

Este indicador determina o tempo, medido em horas, que o navio espera para conseguir
atracar no porto ou terminal portuário (ANTAQ, 2009). Este indicador é apresentado para
cada tipo de carga movimentada (granel sólido, líquido e carga geral).
j. Movimentação de Carga e Atracação

No que se refere às variáveis de output, a quantidade de carga movimentada e a atracação
representam de forma mais adequada à produtividade do porto ou terminal. Além disto, estas
variáveis são as mais utilizadas em trabalhos acadêmicos voltados para analisar a eficiência
operacional dos portos e/ou terminais portuários (ALMAWSHEKI e SHAH, 2015)
k. Resíduos Sólidos Gerados
61
Segundo Gobbi (2015), a geração de resíduos sólido está diretamente associada às
“atividades humanas nos portos e nas suas áreas de entorno” (GOBBI, 2015, p. 21). Ainda a
mesma autora, as atividades portuárias que geram resíduos são;
 Operações de carga e descarga;
 Armazenamento temporário de cargas e produtos;
 Resíduos gerados nas áreas administrativas e de manutenção das instalações;
 Acondicionamento e limpeza inadequados de grãos e resíduos de cargas nos pátios,
durante a movimentação (transporte da carga) ou armazenamento temporário;
 Manuseio de carga geral;
 Resíduos gerados na embarcação oriunda da atividade humana;
62
4 MATERIAIS E MÉTODOS
Nesta seção são apresentados os procedimentos metodológicos que nortearam esta pesquisa
na busca para atender seus objetivos. Desta forma, é essencial estabelecer que a classificação
dos objetivos desta pesquisa são exploratórios, pois segundo Oliveira (2011), as pesquisas
que se enquadram nesta categoria de estudo buscam esclarecer ideias e intuições, visando
adquirir maior conhecimento acerca do fenômeno pesquisado.
Em geral, a pesquisa exploratória permite que o estudo do tema seja realizado sob diversos
ângulos e aspectos, que envolve, em geral, o levantamento bibliográfico, entrevistas com
especialistas que já vivenciaram o problema a ser pesquisado e analisa outros exemplos com
o intuito de estimular uma maior compreensão acerca do tema em questão (PROVDANOV
e FREITAS, 2013).
Esta pesquisa considerou 19 portos marítimos brasileiros como estudo de caso, o que
caracteriza um estudo de casos múltiplos (OLIVEIRA, 2011). Por fim, a natureza desta
pesquisa é quantitativa diante das variáveis utilizadas serem quantitativas, e não qualitativas.
(GERHARDT e SILVEIRA, 2009).
O levantamento dos dados do setor portuário brasileiro foi por meio de fontes secundárias,
a partir da publicação de relatórios técnicos disponibilizados pelo Projeto de Implantação do
Programa de Conformidade do Gerenciamento de Resíduos Sólidos e Efluentes Líquidos
nos Portos Marítimos Brasileiros, cuja parceria foi entre à Secretaria Especial de Portos da
Presidência da República (SEP/PR) e à COPPE/UFRJ5, por intermédio do Instituto Virtual
Internacional de Mudanças Globais (IVIG), que teve o seu início em 2011 (FREITAS et al.,
2016d)
Para conseguir cumprir com os objetivos, o fluxograma apresentado na Figura 21 foi

utilizado para direcionar às ações necessárias, além de viabilizar possíveis obstáculos a
serem cumpridos no decorrer desta pesquisa.
5
COPPE/UFRJ – Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia da Universidade
Federal do Rio de Janeiro
63
Figura 21: Fluxograma do procedimento metodológico da pesquisa
A seguir são descritas as etapas do fluxograma (Figura 21) com o intuito de detalhar o
procedimento metodológico adotado nesta pesquisa.
4.1 Revisão Bibliográfica

A revisão bibliográfica permitiu identificar as atividades portuárias, além do levantamento
das características da infraestrutura e superestrutura necessárias para a movimentação dos
mais variados tipos de cargas nos portos marítimos brasileiros.
Além disto, o levantamento bibliográfico do método DEA possibilitou analisar a eficiência

da geração de resíduos nos portos marítimos, considerando variáveis de infraestrutura e da
operação de atracação. Para isto, foi necessário levantar o referencial teórico acerca dos
modelos DEA mais utilizados na solução dos problemas operacionais encontrados no setor
portuário, assim como suas orientações (input e/ou output) e as variáveis adotas nestas
pesquisas.
Para isto, foram consultadas as bases de dados (nacional e internacional), cujos documentos
são de instituições acadêmica de notório saber ou de alguma instituição do governo brasileiro
ou estrangeiro. Em geral, os documentos utilizados foram; teses de doutorado, dissertações
de mestrado, artigos científicos publicados em revistas, periódicos ou em anais de
congressos acadêmicos, manuais de boas práticas elaborados por instituições de notório
64
saber, normas, legislações e resoluções instituída por órgãos da administração pública, além
de outros documentos oriundos de fontes fidedignas.
4.2 Seleção dos Portos Marítimos

A escassez de dados relativos à geração de resíduos do setor portuário brasileiro foi um dos
principais obstáculos a ser superado nesta pesquisa. Tais dados foram extraídos dos
Relatórios Diagnósticos, resultado do Programa de Conformidade, sendo considerado dados
de fonte secundária.
Os dados de geração de resíduos têm uma limitação temporal do ano de 2013, o que pode
ser considerada desatualizada no meio acadêmico. Diante disto, foi realizado ampla busca
por documentos, junto à ANTAQ e aos portos marítimos, com o intuito de verificar a
existência de dados da geração de resíduos em períodos mais recentes. Apesar deste esforço,
não foi possível obter tais dados por nenhum dos órgãos consultados, restando utilizar os
dados do Projeto de Conformidade.
O critério para a seleção dos portos considerou à geração mínima de uma tonelada de
resíduos sólidos declarados no ano de 2013. Sendo assim, dos 22 portos marítimos
brasileiros considerados no Projeto de Conformidade, os portos de Cabedelo, Ilhéus e
Maceió foram excluídos das análises.
Os portos marítimos brasileiros considerados nesta pesquisa foram; Aratu-Candeias (BA),

Belém (PA), Fortaleza (CE), Imbituba (SC), Itaguaí (RJ), Itajaí (SC), Itaqui (MA), Natal
(RN), Paranaguá (PR), Recife (PE), Rio de Janeiro (RJ), Rio Grande (RS), Salvador (BA),
Santos (SP), São Francisco do Sul (SC), São Sebastião (SP), Suape (PE), Vila do Conde
(PA) e Vitória (ES).
4.3 Seleção do Modelo DEA, Orientação e Variáveis do Problema

O modelo adotado nesta pesquisa foi o Network Two-Stage DEA Relacional Multiplicativo,
porque permite identificar a eficiência em cada estágio de análise dos portos. Para isto, foi
65
adotado o modelo DEA que considera o retorno constante de escala (CRS), conforme
proposto por Kao e Hwang (2008).
Este modelo possibilita identificar à eficiência global (𝐸0 ) dos portos, por meio do produto
entre os indicadores das eficiências do primeiro (𝐸01 ) e do segundo estágios (𝐸02 ), conforme
apresentado na seção 3.4.
O objetivo desta pesquisa é reduzir à geração de resíduos nos portos marítimos, o modelo
deveria ser orientado a output, já que este último é resultado da ineficiência da gestão das
operações portuárias. Entretanto, como o modelo é o CRS, não é necessário definir a
orientação já que, neste caso, ambas as orientações fornecem o mesmo indicador de
eficiência (GOMES JÚNIOR et al., 2014).
Além disto, os estágios foram analisados de forma independente, com o intuito de identificar
os alvos e os benchmarks, numa análise não relacional, onde foi considerado o modelo DEA
clássico CCR orientado a output.
A estrutura do modelo DEA configurado nesta dissertação, o ferramental computacional

utilizado foram dois. O software online SIMDEA (Sistema Integrado de Modelagem em
Análise Envoltória de Dados) foi utilizado devido ser o único – até o momento – a ter
disponível o modelo Network DEA, conforme apresentado por Soares et al. (2017). Após
isto, foi utilizado o software SIAD (Sistema Integrado de Apoio à Decisão) no cálculo das
eficiências no modelo independente por apresentar os indicadores de eficiência invertida e
composta, além dos alvos, folgas e os valores dos benchmarks.
As variáveis selecionadas nesta pesquisa são apresentadas conforme o estágio em que se

situa. Com isso, no primeiro estágio, os inputs exógenos são; a quantidade de berços
(unidade), a extensão do cais (Km) e a área de armazenagem e pátio (Km²). A quantidade de
berços determina o número de embarcações que o porto consegue atender simultaneamente.
Para isto, é necessário que um conjunto de equipamentos e recursos humanos estejam
disponíveis simultaneamente. A importância desta variável é observada nos trabalhos
levantados que aplicaram DEA no setor portuário, sendo esta a quarta variável de entrada
mais observada da amostra.
66
A extensão de cais é uma variável importante a ser considerada no problema por determinar
o tamanho máximo que um navio pode atracar no porto. Com isso, é possível afirmar que
embarcações maiores tendem a transportar uma quantidade maior de cargas numa única
viagem, o que interfere diretamente na produtividade do porto. Entretanto, análogo a isto,
portos que não disponibilizam grandes extensões de cais, para ser eficiente, tendem a
apresentar uma quantidade maior de atracações. Além disto, esta variável foi a terceira mais
observada nos trabalhos levantados que aplicaram DEA no setor portuário.
A terceira variável de infraestrutura considerada nesta pesquisa diz respeito à capacidade de

armazenamento temporário das cargas no porto. Nesta variável, a áreas dos armazéns e dos
pátios foram somadas e, com isso, denominada apenas por área de armazenagem. Esta
variável determina a capacidade que o porto tem de estocar, temporariamente, as cargas no
decorrer das operações portuárias. É possível perceber a influência direta desta variável nas
operações portuárias, o que permite que o fluxo de cargas durante o carregamento ou
descarregamento nas embarcações seja constante.
Como outputs do primeiro estágio (variável intermediária), a quantidade de atracações

destinadas à movimentação de cargas e à quantidade de cargas movimentadas, em toneladas,
foram adotadas, já que, estes outputs representam a atividade fim do setor portuário. Além
disto, estas variáveis foram os dois outputs mais adotados pelos autores que aplicaram o
método DEA no setor portuário.
Para conseguir atracar e movimentar as cargas é necessário que a infraestrutura do porto seja
adequada aos tipos das embarcações e às cargas movimentadas. Sendo assim, justifica-se
considerar no primeiro estágio as variáveis de infraestrutura, como inputs, e as operações de
atracação e movimentação de carga, como outputs.
Neste trabalho foram considerados as atracações destinadas apenas na movimentação de

cargas, onde nenhuma outra atividade foi considerada como por exemplo, a atracação das
operações de apoio marítimo, manutenção de embarcações, entre outros.
67
Os dados de atracação e movimentação das cargas foram extraídos do Sistema de Informação
Gerencial (SIG) da ANTAQ. Para o levantamento das informações da infraestrutura dos
portos foram utilizados os relatórios do Projeto de Conformidade e os Planos de
Desenvolvimento de Zoneamento (PDZ) dos respectivos portos marítimos.
O segundo estágio, por sua vez, analisou o desempenho da gestão de resíduos sólidos dos
portos, onde a quantidade de resíduos sólidos gerados, em toneladas, foi utilizada a variável
de saída. Os dados de geração de resíduos sólidos foram extraídos dos Relatórios
Diagnósticos, resultado do Projeto de Conformidade, no ano de 2013.
A geração de resíduos sólidos é um resultado indesejado (output indesejado) das operações

portuárias, impactando de forma negativa nos indicadores de eficiência do modelo DEA.
Diante disto, faz-se necessário adotar uma das quatro abordagens apresentada na subseção
3.3 para que o modelo DEA calcule os indicadores de eficiência de forma correta.
A abordagem ADD, ao transformar o output indesejado num valor negativo, tem implicações
nos softwares utilizados nesta dissertação. Tais programas computacionais não reconhecem
variáveis negativas, impossibilitando obter os resultados desejados.
A abordagem INP, ao considerar o output indesejado num input, modifica a estrutura das
variáveis no modelo Network Two-Stage DEA, onde, a variável geração de resíduos passaria
a ser um input exógeno no primeiro estágio. A abordagem TR𝛽, ao somar o 𝛽 com os outputs
indesejados de cada DMU, impossibilita utilizar o modelo CCR, dado que este é invariante
à translação.
Sendo assim, a abordagem Multiplicative Inverse (MLT) foi adotada por não apresentar
qualquer tipo de impedimento que fora observado nas demais abordagens.A operação
matemática da abordagem MLTN apresentou valores muito pequenos, sendo necessário
multiplicar por 1x104.
A Figura 22 apresenta de forma sucinta o modelo Network Two-Stage DEA e as variáveis

consideradas nesta pesquisa;
68
Figura 22: Modelo Network Two-Stage DEA adotado no estudo de caso desta dissertação
As variáveis de inputs, input/output intermediário e output exógeno dos portos são

apresentadas na Tabela 3;
Tabela 3: Valores das variáveis consideradas no problema

Inverso da
Qnt.
Quant. Ext. Cais Área Armaz. Qnt. Carga Geração de
Porto DMU Atracação
Berços (Km) (Km²) (ton) Resíduos
(unid.)
Sólidos (ton-1)
Aratu-candeias 1 6 1,25 147,01 606 5.825.663 51,38
Belém 2 5 1,30 53,96 1.295 3.146.816 47,54
Fortaleza 3 5 1,05 50,27 705 5.160.709 40,08
Imbituba 4 3 0,91 283,29 283 2.492.026 48,04
Itaguaí 5 7 1,35 1.453,58 1.217 58.327.912 0,76
Itajaí 6 4 1,04 169,54 583 4.112.998 52,10
Itaqui 7 8 1,59 214,51 793 15.291.910 6,03
Natal 8 3 0,54 38,70 108 420.656 50,58
Paranaguá 9 21 4,45 641,53 2.874 41.771.840 0,58
Recife 10 16 2,95 140,98 415 1.708.283 212,47
Rio de Janeiro 11 31 5,49 453,93 1.872 8.232.282 0,07
Rio Grande 12 30 2,00 1.749,77 2.648 20.534.640 139,48
Salvador 13 10 2,09 66,41 1.162 3.986.205 2.505,01
Santos 14 65 15,96 1.481,31 6.944 99.074.789 0,13
São Francisco do
15 5 1,53 81,44 797 13.029.826 3,61
Sul
Suape 16 11 3,49 411,20 1.928 12.771.661 60,70
Vila do Conde 17 12 2,44 166,00 955 14.396.511 74,40
Vitória 18 14 1,55 420,19 1.893 5.065.853 96,19
São Sebastião 19 4 1,29 271,00 85 654.828 154,89
Fonte: Elaboração Própria
4.4 Aplicação do Método DEA

Para obter os resultados desejados pelo modelo Two-Stage DEA, foi utilizado o software
SIMDEA. Este software foi escolhido por ser o único software gratuito a disponibilizar o
69
modelo NDEA baseado em Kao (2009), além dos modelos clássicos, conforme evidenciado
por Soares et al. (2017).
Os resultados apresentados pelo modelo Two-Stage DEA foram as eficiências global, dos
estágios e os pesos atribuídos às variáveis do problema. Entretanto, não é possível obter as
informações acerca dos alvos e dos benchmarks neste modelo, conforme apresentado por
Torres et al. (2016).
Posterior a aplicação do modelo Two-Stage DEA, o modelo CCR tradicional foi aplicado
com o intuito de analisar o comportamento dos pesos atribuídos às variáveis e a formação
das fronteiras em cada estágio, desconsiderando a relação entre ambos os estágios. Os
resultados destas análises permitiram identificar os alvos e os benchmarks das DMUs
ineficientes, além das DMUs que integram a fronteira de eficiência “em cada estágio”
separadamente.
Para isto, foi utilizado o software SIAD por apresentar outros indicadores além dos índices
de eficiência, tais como; Eficiência Invertida, Composta e Composta Normalizada
(Composta*) (MEZA et al., 2005).
70
5 RESULTADOS
Nesta seção são apresentados os resultados do modelo Two-Stage DEA e, de forma
independente, o modelo CCR orientado a output, aplicados em 19 portos marítimos
brasileiros. Sendo assim, esta seção apresenta os resultados obtidos pelo SIAD e pelo
SIMDEA para os modelos CCR e Two-Stage DEA, respectivamente.
5.1 Resultados do Modelo Two-Stage DEA Relacional Multiplicativo

Conforme apresentado em seção anterior, a eficiência global é o produto das eficiências do
primeiro e do segundo estágios, logo, para obter o valor máximo na eficiência global é
necessário que a DMU apresente elevados valores de eficiência em ambos estágios.
Nesta pesquisa, os valores dos índices de eficiências supracitados são apresentados na Tabela
4; eficiência global e as eficiências do primeiro e do segundo estágios, assim como a
hierarquização dos portos mais eficientes a partir da eficiência global.
Tabela 4: Resultado das eficiências global, do primeiro e do segundo estágios do modelo Two-Stage DEA
Hierarquização
Porto DMU Efic. 1º Estágio Efic. 2º Estágio Efic. Global
Efic. Global
Aratu-candeias 1 0,4779 0,0384 0,0184 11
Belém 2 1,0000 0,0188 0,0188 9
Fortaleza 3 0,8847 0,0210 0,0186 10
Imbituba 4 0,3892 0,0745 0,0290 5
Itaguaí 5 1,0000 0,0002 0,0002 16
Itajaí 6 0,5908 0,0399 0,0236 8
Itaqui 7 0,5054 0,0033 0,0017 14
Natal 8 0,2020 0,2146 0,0433 3
Paranaguá 9 0,6519 0,0001 0,0001 17
Recife 10 0,1548 0,2272 0,0352 4
Rio de Janeiro 11 0,3454 0,0000 0,0000 18
Rio Grande 12 1,0000 0,0244 0,0244 6
Salvador 13 0,8051 1,0000 0,8051 1
Santos 14 0,4505 0,0000 0,0000 18
São Francisco do Sul 15 1,0000 0,0013 0,0013 15
Suape 16 0,7073 0,0141 0,0100 13
Vila do Conde 17 0,5147 0,0275 0,0142 12
Vitória 18 1,0000 0,0241 0,0241 7
São Sebastião 19 0,0867 0,8085 0,0701 2
71
No primeiro estágio, a eficiência média foi de 61,93%, onde o maior e o menor valor de
eficiência foram 100% (portos de Belém, Itaguaí, Rio Grande, Sã Francisco do Sul e Vitória)
e 8,67% (porto de São Sebastião), respectivamente (Tabela 4 e Figura 23).
Figura 23: Valores médios, máximos e mínimos dos indicadores de eficiência global e do primeiro e segundo
estágios do modelo Two-Stage DEA
No segundo estágio, a média foi de 13,36%, cujos valores máximos e mínimos vão de 100%
(porto de Salvador) e zero (portos de Santos e Rio de Janeiro), respectivamente (Tabela 4 e
Figura 23). Por fim, na eficiência global, a média foi de 5,99%, cujo maior valor foi de
80,51% (porto de Salvador) e o menor valor foi zero (portos de Santos e Reio de Janeiro).
A Figura 24 e a Figura 25 apresentam, respectivamente, o comportamento dos índices de

eficiência da gestão das operações portuárias (1º estágio) e da gestão de resíduos sólidos (2º
estágio). Na Figura 24, a linha do gráfico não se concentra no centro do gráfico, ou seja, de
uma forma geral, os portos apresentaram melhor desempenho no primeiro estágio.
72
Figura 24: Resultado do índice de eficiência do primeiro estágio do modelo Network Two-Stage DEA.
Por outro lado, a Figura 25 expõe a baixa eficiência dos portos no segundo estágio, onde foi
possível perceber a similaridade com a Figura 27, exceção dos portos de Salvador e São
Sebastião, cuja linha do gráfico se mantem concentrada basicamente dentro do raio de 10%
de eficiência.
Figura 25: Resultado do índice de eficiência do segundo estágio do modelo Network Two-Stage DEA.
73
A Figura 26 apresenta os valores das eficiências do primeiro (eixo das abcissas) e do segundo
estágios (eixo das ordenadas). A partir disto, observar-se que os portos, em geral, se
concentram mais próximos do eixo das abcissas, o que torna evidente a baixa eficiência no
segundo estágio, com exceção dos portos de Salvador e São Sebastião.
Figura 26: Relação das eficiências do primeiro e do segundo estágios

Além disto, é possível perceber uma maior aglomeração entre os valores da abscissa de 0,3
e 0,8, determinando que, em geral, os portos não apresentaram eficiência operacional
satisfatória, penalizando ainda mais no cálculo da eficiência global.
Na Figura 27 é possível observar que a maior parte dos portos se situa no raio de até 10% de
eficiência global. A exceção é o porto de Salvador que foi o único que apresentou o maior
valor na eficiência global que foi de 80,51%, destacando-se no gráfico.
74
Figura 27:Resultado do indicador de eficiências global do modelo Network Two-Stage DEA.
Dos 19 portos, apenas dois (10,52% da amostra) encontram-se distantes do eixo das
abscissas que são; porto de Salvador e porto de São Sebastião, conforme será apresentado.
Para isto, foi utilizado o software SIMDEA que, além dos índices de eficiência (Tabela 4),
disponibiliza os valores dos pesos das variáveis do modelo Two-Stage DEA (Tabela 5).
Tabela 5: Pesos atribuídos às variáveis pelo modelo Two-Stage DEA

Qnt. Área Mov. Resíduos.
Porto DMU Ext. Cais Qnt. Atrac.
Berço Armaz. Carga (1/RSU)
Aratu-candeias 1 1,798 34,860 0,000 0,041 0,000 0,020
Belém 2 0,000 0,000 0,986 0,031 0,000 0,021
Fortaleza 3 0,000 44,606 0,135 0,042 0,000 0,025
Imbituba 4 11,499 0,000 0,000 0,043 0,000 0,021
Itaguaí 5 120,813 2.342,310 0,000 2,783 0,000 1,308
Itajaí 6 10,603 0,000 0,000 0,040 0,000 0,019
Itaqui 7 15,328 297,183 0,000 0,353 0,000 0,166
Natal 8 0,000 39,744 0,042 0,039 0,000 0,020
Paranaguá 9 157,911 3.061,560 0,000 3,637 0,000 1,709
Recife 10 0,000 8,415 0,026 0,008 0,000 0,005
Rio de Janeiro 11 0,000 28.050,500 29,294 27,304 0,001 13,954
Rio Grande 12 0,028 19,810 0,001 0,016 0,000 0,007
Salvador 13 0,000 0,000 0,019 0,001 0,000 0,001
Santos 14 728,268 14.119,600 0,000 16,776 0,000 7,884
São Francisco do Sul 15 138,145 0,000 0,867 0,502 0,000 0,277
Suape 16 9,101 0,000 0,000 0,034 0,000 0,017
Vila do Conde 17 0,000 27,019 0,028 0,026 0,000 0,013
Vitória 18 0,000 20,899 0,022 0,020 0,000 0,011
São Sebastião 19 3,566 0,000 0,000 0,013 0,000 0,007
75
O porto de Salvador apresentou a maior eficiência global (80,51%), cujo índice de eficiência
da gestão de operação portuária (1º estágio) foi de 80,51% e o índice de eficiência da gestão
de resíduos sólidos (2º estágio) foi de 100%, sendo o único porto eficiente neste último
estágio por apresentar a menor geração de resíduos da amostra (Tabela 4 e Figura 26).
Para isto, o modelo desconsiderou as variáveis quantidade de berços, extensão de cais e carga
movimentada das análises, considerando a área de armazenagem (0,0187), quantidade de
atracações (0,0006) e inverso da geração de resíduos sólidos (0,0004) (Tabela 5).
O porto de São Sebastião foi o segundo mais eficiente da amostra, apresentando valor de
7,01% de eficiência global (Tabela 4). Ao analisar o desempenho da gestão de operação
portuárias, este porto foi o mais ineficiente da amostra, com o índice de eficiência de 8,67%.
Entretanto, na análise da eficiência da gestão de resíduos sólidos, sua eficiência foi de
80,85%, dado que este foi o terceiro porto que menos gerou resíduos sólidos e o que
apresentou a menor quantidade de atracações da amostra.
No cálculo do índice de eficiência, o modelo Two-Stage DEA desconsiderou as variáveis

extensão de cais, área de armazenamento e movimentação de carga, atribuindo valor zero
nestas variáveis. A maior importância foi atribuída na variável quantidade de berços (Tabela
5).
Em seguida, os portos de Natal e Recife apresentaram eficiência global de 4,33% e 3,52%,

respectivamente. Na hierarquização da eficiência da gestão das operações portuárias, o porto
de Natal foi o terceiro mais ineficiente, cujo valor da eficiência foi de 20,20%. Não muito
diferente, o porto do Recife foi o segundo mais ineficiente, com valor de 15,48%.
Na análise da gestão de resíduos sólidos, o porto de Natal foi o quarto mais eficiente
(21,72%) e o porto do Recife foi o terceiro mais eficiente (23,75%), dado que este último foi
o segundo porto que menos gerou resíduos da amostra.
No porto de Natal e do Recife, o modelo desconsiderou as variáveis quantidade de berços e

carga movimentada, atribuindo o maior peso à variável extensão de cais (39,744 e 8,415,
respectivamente). E, nas demais variáveis, os valores foram; a área de armazenagem 0,0415
76
e 0,0255, respectivamente; a quantidade de atracações 0,0387 e 0,0079; e a geração de
resíduos 0,0198 e 0,0047, respectivamente (Tabela 5).
Os portos do Rio de Janeiro e de Santos, sendo este último o maior porto do Brasil,
apresentaram valores zero nas respectivas eficiências globais. O mau resultado neste
indicador é justificado pelo desempenho destes portos na gestão de resíduos sólidos, cujo
índice de eficiência foi zero, sendo estes os maiores geradores de resíduos sólidos da
amostra.
Ao analisar os pesos atribuídos às variáveis do porto do Rio de Janeiro, o modelo

desconsiderou a quantidade de berços. Na variável extensão de cais, o modelo atribuiu o
maior peso (28.050,50). Nas demais variáveis, o modelo atribuiu os seguintes valores de
importância; 29,294 para a área de armazenagem, 27,304 para a quantidade de atracações,
0,0008 para a carga movimentada e 13,954 para a geração dos resíduos (Tabela 5).
Os portos de Belém, Rio Grande e Vitória foram eficientes apenas na análise da eficiência
da gestão de operações portuárias, sendo penalizados na análise da eficiência da gestão de
resíduos sólidos, que apresentou eficiências de 1,88%, 2,44% e 2,41%, respectivamente. Ao
analisar a eficiência da gestão de resíduos sólidos, o porto de Belém foi o sexto que mais
gerou resíduo, o sétimo que mais atracou e o 15º que mais movimentou cargas, tendo maior
importância atribuída pelo modelo na atracação (Tabela 5).
Nas variáveis de infraestrutura, o modelo atribuiu maior importância a variável extensão de

cais (32,280) diante das variáveis de quantidade de berços (2,894) e área de armazenagem
(0,0454), conforme é possível observar na Tabela 5.
O porto de Rio Grande foi o quarto que menos gerou resíduos, mas o terceiro que mais
atracou e o quarto que mais movimentou cargas da amostra. Dentre estas tres variáveis, o
modelo atribuiu maior peso para a quantidade de atracações (0,0155) do que para a geração
de resíduos (0,0072) e movimentação de carga (0,0000). O porto de Vitória foi o quinto que
menos gerou resíduos, cujo peso atribuído foi de 0,0104, mas o quinto que mais atracou
(0,0203) da amostra e o 12º que mais movimentou cargas (0,0000) (Tabela 5).
77
O décimo porto que apresentou o maior valor no índice de eficiência global (1,86%) foi o
porto de Fortaleza, onde ao analisar a eficiência da gestão da operação portuária foi o sétimo
(88,47%) mais eficiente e, na análise da eficiência da gestão de resíduos foi o nono mais
eficiente (2,10%) da amostra.
Para isto, o modelo atribuiu maior peso a extensão de cais (44,606), desconsiderou a
quantidade de berços e a carga movimentada, atribuindo pesos as variáveis área de
armazenagem (0,1353), atracações (0,0417) e geração de resíduos (0,0249).
O porto de Itaguaí movimentou cerca de 58 milhões de toneladas de carga, sendo o segundo

que mais movimentou carga no ano de 2013, atrás apenas do porto de Santos. Diante disto,
o porto de Itaguaí tem elevada importância no sistema portuário brasileiro e, principalmente,
para o Estado do Rio de Janeiro por ser o porto que mais movimentou no Estado.
Apesar disto, o porto de Itaguaí foi o quarto mais ineficiente da amostra, no âmbito da
eficiência global. As práticas gerenciais para reduzir à geração de resíduos foram
insuficientes, cujo valor do índice de eficiência ao analisar a gestão de resíduos sólidos foi
de 0,0002%. No entanto, as práticas gerenciais que dizem respeito a gestão das operações
portuárias culminaram no grupo de portos situados na fronteira de eficiência.
O porto de Itaqui foi o sexto mais ineficiente da amostra, sendo o 12º porto mais eficiente
(50,54%) no primeiro estágio. Na análise da eficiência da gestão de resíduos sólidos, o porto
foi o quinto mais ineficiente da amostra, cujo valor do índice de eficiência foi de 0,33%.
Na análise dos pesos (Tabela 5), o modelo desconsiderou a área de armazenagem e carga
movimentada e atribuiu valor de pesos de 15,238 e 297,183, respectivamente, para a
quantidade de berços e extensão de cais. Para a variável intermediária atracação e para o
output exógeno, o modelo atribuiu 0,3531 e 0,1659, respectivamente.
O porto de Paranaguá foi o terceiro maior porto em movimentação de cargas no ano de 2013,
com uma quantidade aproximada de 41 milhões de toneladas. Apesar disto, este porto foi o
terceiro mais ineficiente da amostra, sendo o nono mais eficiente na gestão da operação
78
portuária (65,19%). Por outro lado, foi o 17º mais eficiente dos 19 portos da amostra, com
0,01% de eficiência ao analisar a eficiência da gestão de resíduos sólidos.
Para isto, o modelo desconsiderou a área de armazenagem e carga movimentada, atribuindo

maior peso a variável extensão de cais (3.06,56) e 157,911 na variável quantidade de berços.
Apesar disto, o modelo atribuiu valor de importância de 3,637 na quantidade de atracações
e 1,7094 na variável que diz respeito à geração de resíduos (Tabela 5).
O porto de São Francisco do Sul foi o quinto mais ineficiente da amostra, ao considerar a
eficiência global (0,13%), apesar de ser um dos portos eficientes ao analisar a eficiência da
gestão da operação portuário. Na análise da eficiência da gestão de resíduos sólidos, o porto
foi o 15º mais eficiente, cujo valor do índice de eficiência foi de 0,130% (Tabela 4).
Ao observar as variáveis de infraestrutura na Tabela 5, o modelo considerou apenas a

quantidade de berços e a área de armazenagem no cálculo da eficiência, atribuindo valor de
138,145. A importância atribuída pelo modelo a quantidade de atracações e geração de
resíduos foi de 0,5022 e 0,277, respectivamente.
O porto de Suape foi o 13º mais eficiente da amostra, com um valor de índice de eficiência
de 1,000%. Na análise da eficiência da gestão da operação portuária, o porto foi o oitavo
mais eficiente da amostra, com 70,73% de eficiência. Na análise da eficiência da gestão de
resíduos, este foi o sétimo mais ineficiente da amostra, cujo valor do índice de eficiência foi
de 1,41% (Tabela 4).
Para isto, o modelo também desconsiderou a extensão de cais, a área de armazenagem e

carga movimentada e atribuiu importância de 9,1005 à variável quantidade de berços. Na
quantidade de atracações e geração de resíduos, os valores foram de 0,0342 e 0,0165
respectivamente (Tabela 5).
Por outro lado, alguns portos foram mais eficientes na análise da eficiência da gestão de
resíduos sólidos do que na análise da eficiência gestão das operações portuárias, como é o
caso do porto de Aratu-Candeias. Este porto foi o 11º mais eficiente no indicador global,
onde na análise da eficiência da gestão de operação portuária, o porto foi o 13º mais eficiente,
79
cujo índice de eficiência foi de 47,79%. Na análise da eficiência da gestão de resíduos, o
porto foi o sétimo mais eficiente, apresentando o valor de eficiência de 3,84% (Tabela 4).
Para isto, a importância atribuída as variáveis quantidade de berços, extensão de cais e área
de armazenagem foram; 1,798, 34,859 e zero, respectivamente. Além disto, foi atribuído
valor de 0,041, 0,000 e 0,0195, respectivamente, para a quantidade de atracações, carga
movimentada e geração de resíduos (Tabela 5).
O porto de Imbituba foi quinto porto mais eficiente (2,90%), no âmbito da eficiência global,
da amostra, sendo o quarto mais ineficiente (38,92%) na análise da eficiência da gestão de
operação portuária e, na análise da eficiência da gestão de resíduos sólidos foi o quinto mais
eficiente (7,45%), onde, neste último estágio foi o 11º que menos gerou resíduos da amostra
(Tabela 4).
No porto de Imbituba, das variáveis de infraestrutura, o modelo considerou apenas à

quantidade berços (11,499) e atribuiu 0,043, 0,000 e 0,0208, respectivamente para a
quantidade de atracações, carga movimentada e geração de resíduos (Tabela 5).
O porto de Itajaí foi o oitavo mais eficiente ao considerar o índice de eficiência global
(2,36%). Na análise da eficiência da gestão de operação portuária, o porto em questão foi
59,08% eficiente, o que corresponde ao 10] porto mais eficiente da amostra. Na análise da
eficiência da gestão de resíduos sólidos, este foi o 6º mais eficiente da amostra, cujo valor
do índice de eficiência foi de 3,99%, conforme é possível observar na Tabela 4.
Ao analisar o grau de importância atribuído pelo modelo Network Two-Stage DEA, observa-
se que as variáveis área de armazenagem, e carga movimentada foram desconsideradas. Para
o cálculo da eficiência, o modelo considerou a quantidade de berços (15,328), a extensão de
cais (297,18), quantidade de atracações (0,3531) e geração de resíduos (0,1659).
Por último, o porto de Vila do Conde foi o sexto porto que mais movimentou carga da
amostra no ano de 2013, com um montante aproximado de 14 milhões de tonadas. O porto
foi o 11º mais eficiente da amostra no primeiro estágio (51,47%). No segundo estágio, o
porto foi o 8º mais eficiente da amostra, onde o valor da eficiência foi de 2,75%. A partir
80
destes índices de eficiência, o porto de Vila do Conde apresentou o valor de 1,42% de
eficiência global, sendo este o 12º maior valor de eficiência global da amostra.
5.2 Resultado da Análise Independente dos Estágios

Nesta subseção é analisado os estágios de forma independente entre si, onde o modelo Two-
Stage DEA relacional multiplicativo não é considerado, mas sim, o modelo DEA CCR
tradicional orientado a output.
Nesta análise, o modelo CCR apresentou os índices de eficiência padrão e invertida,

Composta e Composta Normalizadas (Composta*), o que permitiu uma maior discriminação
para fronteiras com múltiplas DMUs. Além disto, foi possível identificar os alvos e os
benchmarks das DMUs ineficientes.
No primeiro estágio, assim como no modelo Two-Stage DEA, os portos mais eficientes
foram os portos de Belém, Itaguaí, Rio Grande, São Francisco do Sul e Vitória. Entretanto,
ao analisar a Composta*, o porto que apresentou o menor índice da invertida foi o porto de
São Francisco do Sul cujo valor foi de 13,33%, conforme é possível observar na Tabela 6.
Para isto, o modelo desconsiderou as variáveis quantidade de berços, extensão de cais e carga
movimentada, atribuindo pesos nas variáveis área de armazenagem (0,0123) e atracação
A partir do índice da Composta*, o porto de Paranaguá foi o que apresentou o segundo maior
índice na Composta*, apesar de não se situar na fronteira de eficiência. Isto é possível diante
do valor do índice de eficiência padrão (93,78%) ser próximo de 100% e do valor do índice
da invertida (15,52%) ser baixo.
Para se tornar eficiente, este porto deve apresentar as mesmas características operacionais
que o porto de Belém, Itaguaí e São Francisco do Sul, tendo este último como seu principal
benchmark (Tabela 8). Para se tornar eficiente, o porto de Paranaguá deve aumentar 6,62%
a quantidade de atracações e cargas movimentadas, além de reduzir a quantidade de berços,
reduzindo dos atuais 21 para 16 berços, conforme é possível observar na Tabela 9.
81
Tabela 6: Índices de eficiência padrão, invertida, composta, composta normalizada e hierarquização
Portos DMU Padrão Invertida Composta Composta* Ranking
Aratu-candeias 1 0,60509 0,21040 0,69735 0,74715 14
Belém 2 1,00000 0,21852 0,89074 0,95435 3
Fortaleza 3 0,88470 0,15368 0,86551 0,92732 5
Imbituba 4 0,38922 0,31397 0,53762 0,57602 15
Itaguaí 5 1,00000 0,37463 0,81269 0,87073 8
Itajaí 6 0,59076 0,15073 0,72002 0,77144 12
Itaqui 7 0,87180 0,21438 0,82871 0,88790 6
Natal 8 0,20412 0,78961 0,20726 0,22206 17
Paranaguá 9 0,93783 0,15527 0,89128 0,95493 2
Recife 10 0,15482 1,00000 0,07741 0,08294 18
Rio de Janeiro 11 0,34963 0,42327 0,46318 0,49626 16
Rio Grande 12 1,00000 0,24102 0,87949 0,94230 4
Salvador 13 0,80512 0,29352 0,75580 0,80978 10
Santos 14 0,70097 0,19891 0,75103 0,80466 11
São Francisco do Sul 15 1,00000 0,13331 0,93334 1,00000 1
Suape 16 0,70728 0,13914 0,78407 0,84007 9
Vila do Conde 17 0,69063 0,26702 0,71181 0,76264 13
Vitória 18 1,00000 0,35167 0,82417 0,88302 7
São Sebastião 19 0,08670 1,00000 0,04335 0,04645 19
Para isto, o modelo DEA desconsiderou as variáveis quantidade de berços e carga

movimentada, considerando no cálculo da eficiência as variáveis extensão de cais (0,1668),
área de armazenagem (0,0005) e quantidade de atracações (0,0002) (Tabela 7).
Em seguida, os portos de Belém e Rio Grande foram eficientes, apresentando valor no índice
da invertida de 21,85% e 24,10%, respectivamente, sendo o porto de Belém mais eficiente
que o porto do Rio Grande.
Para isto, o modelo DEA considerou as variáveis quantidade de berços (0,200) e atracações
(0,0008) para calcular a eficiência do porto de Belém, desconsiderando as demais variáveis.
No porto do Rio Grande, o modelo DEA considerou a extensão de cais (0,500) e atracação
(0,0004) desconsiderando também as demais variáveis.
O porto de Fortaleza obteve índice de eficiência padrão e invertida de 88,47% e 15,36%,

respectivamente, resultando quinto maior valor da Composta*. Para isto, o modelo DEA
82
desconsiderou as variáveis quantidade de berços e carga movimentada, atribuindo pesos nas
demais variáveis, conforme é possível observar na Tabela 7.
Os portos de Belém, Itaguaí e São Francisco do Sul são as referências para o porto de
Fortaleza, apresentando valores de benchmarks 0,3994, 0,0001 e 0,3508, respectivamente.
Para se tornar eficiente, o porto de Fortaleza deve aumentar 13,03% a quantidade de
atracações e de carga movimentada, além de ter uma folga de 24,97% na quantidade de
berços (Tabela 9).
O porto do Itaqui apresentou o sexto maior valor na Composta*, cujo valor dos índices de
eficiência padrão e invertida foram 87,18% e 21,43%, respectivamente. Para isto, o modelo
desconsiderou as variáveis quantidade de berços e carga movimentada. Das variáveis
consideradas, o modelo atribuiu o maior peso na variável extensão de cais (0,5121), por
considerar que esta variável beneficia o porto no cálculo da eficiência padrão.
O porto de São Francisco do Sul foi a principal referência para o porto do Itaqui. Além deste
benchmark, os portos de Belém e Itaguaí também são referências para o porto de Itaqui
(Tabela 8). Para se tornar eficiente, o porto do Itaqui deve aumentar em 14,70% a quantidade
de atracações e carga movimentada, além de reduzir a quantidade de berços em 31,51%
(Tabela 9).
O porto de Itaguaí apresentou o oitavo maior valor na Composta*, sendo eficiente nas
melhores práticas gerenciais e, ao observar as piores práticas gerenciais, o índice da invertida
foi de 37,46%. Para isto, o modelo considerou apenas a quantidade de berços (0,1429),
desconsiderando as demais variáveis do cálculo dos índices de eficiência (Tabela 7).
O porto de vitória apresentou o sétimo maior valor na Composta*, apesar deste se situar na
fronteira de eficiência e estar distante da fronteira invertida, cujo índice foi de 35,16%. Para
isto, o modelo DEA considerou apenas a extensão de cais (0,6452) e atracação (0,0018).
83
Tabela 7: Pesos atribuídos pelo modelo CCR tradicional na análise da eficiência da gestão das operações
portuárias
Portos DMU Berço Cais Armazém Atracação Carga
Aratu-candeias 1 0,0000 0,9731 0,0030 0,0009 0,0000
Belém 2 0,2000 0,0000 0,0000 0,0008 0,0000
Fortaleza 3 0,0000 0,9369 0,0028 0,0009 0,0000
Imbituba 4 0,8564 0,0000 0,0000 0,0032 0,0000
Itaguaí 5 0,1429 0,0000 0,0000 0,0000 0,0000
Itajaí 6 0,4232 0,0000 0,0000 0,0016 0,0000
Itaqui 7 0,0000 0,5121 0,0016 0,0005 0,0000
Natal 8 0,0000 7,4519 0,0226 0,0070 0,0000
Paranaguá 9 0,0000 0,1668 0,0005 0,0002 0,0000
Recife 10 0,0000 1,9123 0,0058 0,0018 0,0000
Rio de Janeiro 11 0,0000 0,4166 0,0013 0,0004 0,0000
Rio Grande 12 0,0000 0,5000 0,0000 0,0004 0,0000
Salvador 13 0,0000 0,0000 0,0187 0,0006 0,0000
Santos 14 0,0000 0,0697 0,0002 0,0001 0,0000
São Francisco do Sul 15 0,0000 0,0000 0,0123 0,0004 0,0000
Suape 16 0,1285 0,0000 0,0000 0,0005 0,0000
Vila do Conde 17 0,0000 0,4919 0,0015 0,0005 0,0000
Vitória 18 0,0000 0,6452 0,0000 0,0018 0,0000
São Sebastião 19 2,8834 0,0000 0,0000 0,0108 0,0000
Fonte Elaboração própria
Os portos de Suape e Salvador apresentaram índices de eficiência padrão de 70,73% e

80,51%, respectivamente, os mesmos resultados apresentados no modelo Network Two-
Stage DEA, e índice da invertida de 13,91% e 29,35%, o que resultou no nono e décimo,
respectivamente, valores mais altos na Composta* (Tabela 6). No porto de Suape, o modelo
considerou apenas as variáveis quantidade de berços (0,1285) e atracação (0,0005). E para o
porto de Salvador, o modelo considerou apenas a área de armazenagem (0,0187) e atracação
Os benchmarks do porto de Suape são os portos de Belém e Itaguaí, sendo o primeiro a

principal referência (Tabela 8). Para se tornar eficiente, o porto de Suape deve aumentar
41,39% a quantidade de carga e carga movimentada, além de ter uma folga de 21,11% na
extensão de cais (redução de 0,74 Km) e de 1,9% na área de armazenagem (redução de 7,94
Km²) (Tabela 9).
84
O porto de Salvador considera o porto de Belém e de São Francisco do Sul seus benchmarks,
sendo o primeiro sua principal referência para a gestão da operação portuária. Para se tornar
eficiente, o porto de Salvador deve aumentar em 24,21% a quantidade de atracações e carga
movimentada, além de reduzir em 41,8% a quantidade de berços e 26,4% a extensão de cais.
O porto de Santos apresentou índice de eficiência padrão e invertida de 70,09% e 19,89%,

respectivamente. Para isto, o modelo considerou a extensão de cais (0,0697), área de
armazenagem (0,0002) e atracação (0,0001) (Tabela 7).
Os benchmarks do porto de Santos foram os portos de Belém, Itaguaí e São Francisco do

Sul, sendo este último a principal referência para o porto (Tabela 8). Para se tornar eficiente,
o porto de Santos deve em 42,66% a quantidade de atracações e movimentação de carga,
além de ter uma folga de 15,3% na quantidade de berços (Tabela 9).
Os portos de Aratu-Candeias e Vila do Conde apresentaram índices de eficiência padrão de

60,50% e 69,03%, respectivamente. Na invertida, os portos apresentaram, respectivamente,
21,04% e 26,70% (Tabela 6). Para isto, em ambos os portos, o modelo desconsiderou as
variáveis quantidade de berços e carga movimentada. Nas variáveis consideradas para o
cálculo das eficiências, o modelo atribuiu maior peso na variável extensão de cais, em ambos
os portos (Tabela 7).
O porto de Aratu-Candeias considerou o porto de Belém a sua principal referência, tendo,

também, os portos de Itaguaí e São Francisco do Sul (Tabela 8). Para se tornar eficiente, o
porto de Aratu-Candeias deve aumentar 65,27% a quantidade de atracação e movimentação
de carga, além de ter uma folga de 22,51% na quantidade de berços (Tabela 9).
O porto do Rio de Janeiro, principal porto da cidade do Rio de Janeiro apresentou índice de
eficiência padrão de 34,96% e de invertida de 42,32% sendo 16º mais eficiente da amostra,
ou o terceiro mais ineficiente. Para se tornar eficiente, o porto deve aumentar em 186,02% a
quantidade de atracações e a movimentação de carga. Além disto, há uma folga de 31,17%
na quantidade de berços disponíveis no porto.
85
Tabela 8: Índices de benchmark do modelo DEA CCR, em que analisa a eficiência da gestão da operação
portuária
São Francisco
Porto DMU Belém Itaguaí Rio Grande Vitória
do Sul
Aratu-candeias 1 0,5100 0,0637 0,0000 0,3307 0,0000
Belém 2 1,0000 0,0000 0,0000 0,0000 0,0000
Fortaleza 3 0,3994 0,0001 0,0000 0,3508 0,0000
Imbituba 4 0,4828 0,0837 0,0000 0,0000 0,0000
Itaguaí 5 0,0000 1,0000 0,0000 0,0000 0,0000
Itajaí 6 0,6846 0,0824 0,0000 0,0000 0,0000
Itaqui 7 0,0536 0,0946 0,0000 0,9097 0,0000
Natal 8 0,3899 0,0114 0,0000 0,0128 0,0000
Paranaguá 9 0,9553 0,3034 0,0000 1,8296 0,0000
Recife 10 1,8368 0,0083 0,0000 0,3661 0,0000
Rio de Janeiro 11 3,8896 0,1592 0,0000 0,1550 0,0000
Rio Grande 12 0,0000 0,0000 1,0000 0,0000 0,0000
Salvador 13 1,0344 0,0000 0,0000 0,1302 0,0000
Santos 14 2,1687 0,4807 0,0000 8,1716 0,0000
São Francisco do Sul 15 0,0000 0,0000 0,0000 1,0000 0,0000
Suape 16 1,9109 0,2065 0,0000 0,0000 0,0000
Vila do Conde 17 0,1571 0,0278 0,0000 1,4372 0,0000
Vitória 18 0,0000 0,0000 0,0000 0,0000 1,0000
São Sebastião 19 0,6693 0,0934 0,0000 0,0000 0,0000
O porto de São Sebastião apresentou índice de eficiência padrão de 8,67% e 100% na

invertida, resultando no porto mais ineficiente da amostra no que tange à gestão da operação
portuária. O porto de Belém é a principal referência, tendo, também, o porto de Itaguaí
(Tabela 8). Para se tornar eficiente, o porto deve aumentar em 1.053,35% a quantidade de
atracações e a movimentação da carga, além de ter uma folga de 23,04% na extensão de cais
(redução em 0,30 Km) e de 36,59% na área de armazenagem (redução de 99,16 Km²) (Tabela
9).
86
Tabela 9: Alvos e folgas das DMUs ineficientes apresentado pelo modelo DEA CCR orientado a output na análise da eficiência da gestão da operação portuária
Variável Atual Radial Folga Alvo Variável Atual Radial Folga Alvo
Berço 6 6 1,35 4,65 Berço 31 31 9,66 21,34
Aratu- Cais 1,25 1,25 0,00 1,25 Cais 5,49 5,49 0,00 5,49
Rio de Janeiro
Candeias Armazém 147,01 147,01 0,00 147,01 Armazém 453,93 453,93 0,00 453,93
Atracação 606 1.001,51 0,00 1.001,51 Atracação 1.872 5.354,24 0,00 5.354,24
Carga 5.825.663 9.627.832,75 0,00 9.627.832,75 Carga 8.232.282 23.545.739,17 0,00 23.545.739,17
Berço 5 5 0,00 5 Berço 30 30 0,00 30
Cais 1,30 1,30 0,00 1,30 Cais 2 2 0,00 2
Belém Rio Grande
Armazém 53,96 53,96 0,00 53,96 Armazém 1.749,77 1.749,77 0,00 1.749,77
Atracação 1.295 1.295 0,00 1.295 Atracação 2.648 2.648 0,00 2.648
Carga 3.146.816 3.146.816 0,00 3.146 Carga 20.534.640 20.534.640 0,00 20.534.640
Berço 5 5 1,25 3,75 Berço 10 10 4,18 5,82
Cais 1,05 1,05 0,00 1,05 Cais 2,09 2,09 0,55 1,54
Fortaleza Salvador
Armazém 50,27 50,27 0,00 50,27 Armazém 66,41 66,41 0,00 66,41
Atracação 705 796,88 0,00 796,88 Atracação 1.162 1.443,27 0,00 1.443,27
Carga 5.160.709 5.833.275,25 0,00 5.833.275,25 Carga 3.986.205 4.951.082,20 0,00 4.951.082,20
Berço 3 3 0,00 3 Berço 65 65 9,93 55,07
Cais 0,91 0,91 0,17 0,74 Cais 15,96 15,96 0,00 15,96
Imbituba Santos
Armazém 283,29 283,29 135,54 147,75 Armazém 1.481,31 1.481,31 0,00 1.481,31
Carga 2.492.026 6.402.664,12 0,00 6.402.664,12 Carga 99.074.789 141.339.793,27 0,00 141.339.793,27
87
Berço 7 7 0,00 7 Berço 5 5 0,00 5
Cais 1,35 1,35 0,00 1,35 São Francisco Cais 1,53 1,53 0,00 1,53
Itaguaí
Armazém 1.453,58 1.453,58 0,00 1.453,58 do Sul Armazém 81,44 81,44 0,00 81,44
Atracação 1.217 1.217 0,00 1.217 Atracação 797 797 0,00 797
Carga 58.327.912 58.327.912 0,00 58.327.912 Carga 13.029.826 13.029.826 0,00 13.029.826
Berço 4 4 0,00 4 Berço 11 11 0,00 11
Cais 1,04 1,04 0,04 1 Cais 3,49 3,49 0,74 2,75
Itajaí Suape
Armazém 169,54 169,54 12,78 156,76 Armazém 411,20 411,20 7,94 403,26
Carga 4.112.998 6.962.267,09 0,00 6.962.267,09 Carga 12.771.661 18.057.407,38 0,00 18.057.407,38
Berço 8 8 2,52 5,48 Berço 12 12 3,83 8,17
Cais 1,59 1,59 0,00 1,59 Cais 2,44 2,44 0,00 2,44
Itaqui Vila do Conde
Armazém 214,51 214,51 0,00 214,51 Armazém 166 166 0,00 166
Atracação 793 909,61 0,00 909,61 Atracação 955 1.382,80 0,00 1.382,80
Carga 15.291.910 17.540.567,34 0,00 17.540.567,34 Carga 14.396.511 20.845.506,38 0,00 20.845.506,38
Berço 3 3 0,91 2,09 Berço 14 14 0,00 14
Cais 0,54 0,54 0,00 0,54 Cais 1,55 1,55 0,00 1,55
Natal Vitória
Armazém 38,70 38,70 0,00 38,70 Armazém 420,19 420,19 0,00 420,19
Atracação 108 529,09 0,00 529,09 Atracação 1.893 1.893 0,00 1.893
Carga 420.656 2.060.783,74 0,00 2.060.783,74 Carga 5.065.853 5.065.853 0,00 5.065.853
88
Berço 21 21 4,95 16,05 Berço 4 4 0,00 4
Cais 4,45 4,45 0,00 4,45 Cais 1,29 1,29 0,30 0,99
Paranaguá São Sebastião
Armazém 641,53 641,53 0,00 641,53 Armazém 271 271 99,16 171,84
Atracação 2.874 3.064,53 0,00 3.064,53 Atracação 85 980,35 0,00 980,35
Carga 41.771.840 44.541.031,95 0,00 44.541.031,95 Carga 654.828 7.552.465,47 0,00 7.552.465,47
Variável Atual Radial Folga Alvo

Berço 16 16 4,93 11,07
Cais 2,95 2,95 0,00 2,95
Recife
Armazém 140,98 140,98 0,00 140,98
Atracação 415 2.680,53 0,00 2.680,53
Carga 1.708.283 11.034.004,99 0,00 11.034.004,99
89
Ao analisar a eficiência da gestão de resíduos sólidos, conforme apresentado no segundo
estágio do modelo Network Two-Stage DEA, o porto de Salvador foi único eficiente, cujo
índice de eficiência padrão foi de 100% e invertida zero, resultando no maior índice da
Composta* (Tabela 10). Para isto, o modelo considerou apenas a variável geração de
resíduos, desconsiderando a atracação e a carga movimentada, conforme é possível observar
na Tabela 11.
Tabela 10: Índices de eficiência padrão, invertida, composta, composta normalizada (Composta*) e
hierarquização do modelo CCR orientado a output na análise da eficiência da gestão de resíduos sólidos
Hierarquização
Portos DMU Padrão Invertida Composta Composta*
(Composta*)
Aratu-candeias 1 0,0393 0,0002 0,5196 0,5196 7

Belém 2 0,0240 0,0005 0,5118 0,5118 12
Fortaleza 3 0,0264 0,0003 0,5130 0,5130 10
Imbituba 4 0,0787 0,0001 0,5393 0,5393 5
Itaguaí 5 0,0003 0,0977 0,4513 0,4513 17
Itajaí 6 0,0415 0,0002 0,5206 0,5206 6
Itaqui 7 0,0035 0,0032 0,5001 0,5001 14
Natal 8 0,2172 0,0000 0,6086 0,6086 4
Paranaguá 9 0,0001 0,0914 0,4543 0,4543 16
Recife 10 0,2375 0,0000 0,6187 0,6187 3
Rio de Janeiro 11 0,0000 0,4771 0,2614 0,2614 18
Rio Grande 12 0,0244 0,0003 0,5120 0,5120 11
Salvador 13 1,0000 0,0000 1,0000 1,0000 1
Santos 14 0,0000 1,0000 0,0000 0,0000 19
São Francisco do Sul 15 0,0021 0,0046 0,4987 0,4987 15
Suape 16 0,0146 0,0006 0,5070 0,5070 13
Vila do Conde 17 0,0361 0,0002 0,5179 0,5179 8
Vitória 18 0,0302 0,0004 0,5149 0,5149 9
São Sebastião 19 0,8453 0,0000 0,9226 0,9226 2
Nesta análise, o porto do Rio Grande foi o 10º porto mais eficiente da amostra, cujos índices
de eficiência padrão e invertida foram 2,44% e 0,0003%, respectivamente (Tabela 10). O
índice de benchmark apresentado pelo modelo foi de 2,278 para o porto de Salvador,
conforme é possível observar na Tabela 12.
Para se tornar eficiente, o porto do Rio Grande deve aumentar o inverso do resíduo em
3.992,62%, dos atuais 139,48 para 5.708,49. Ao converter estes valores na geração de
90
resíduos sólidos, a redução da geração dos resíduos é de 97,56%, dos atuais 71,69 para 1,75
toneladas anuais (Tabela 13).
O porto de São Sebastião apresentou o segundo maior valor para a Composta*. Os índices
de eficiência padrão e invertida foram 84,53% e zero, respectivamente (Tabela 10). Para isto,
o modelo atribuiu pesos na variável atracação (0,0139) e geração de resíduos (0,0065)
(Tabela 11).
O valor do benchmark foi de apenas 0,0731, o que significa que o porto de São Sebastião
está próximo da fronteira de eficiência. Para se situar nesta última, é necessário reduzir
15,47% a quantidade de resíduos gerados, dos atuais 64,56 para 54,57 toneladas anuais
(Tabela 13).
Tabela 11: Pesos atribuídos pelo modelo CCR orientado a output, na análise da eficiência da gestão dos
resíduos sólidos
Carga Inverso do Resíduo
Portos DMU Atracação
Movimentada Sólidos
Aratu-candeias 1 0,0420 0,0000 0,0195
Belém 2 0,0000 0,0000 0,0210
Fortaleza 3 0,0538 0,0000 0,0249
Imbituba 4 0,0449 0,0000 0,0208
Itaguaí 5 2,8194 0,0000 1,3078
Itajaí 6 0,0414 0,0000 0,0192
Itaqui 7 0,3577 0,0000 0,1659
Natal 8 0,0426 0,0000 0,0198
Paranaguá 9 3,6852 0,0000 1,7094
Recife 10 0,0101 0,0000 0,0047
Rio de Janeiro 11 30,0811 0,0000 13,9537
Rio Grande 12 0,0155 0,0000 0,0072
Salvador 13 0,0000 0,0000 0,0004
Santos 14 16,9957 0,0000 7,8838
São Francisco do Sul 15 0,5972 0,0000 0,2770
Suape 16 0,0355 0,0000 0,0165
Vila do Conde 17 0,0290 0,0000 0,0134
Vitória 18 0,0000 0,0000 0,0104
São Sebastião 19 0,0139 0,0000 0,0065
O porto do Rio de Janeiro apresentou índice de eficiência padrão e invertida zero e 47,71%,
respectivamente, resultando no segundo porto mais ineficiente da amostra (Tabela 10). Para
91
isto, o modelo atribuiu peso na variável atracação (30,08) e no inverso da geração do resíduo
(13,95) (Tabela 11). Além disto, o valor de referência para o porto de Salvador foi de 1,611
(Tabela 12).
Para se tornar eficiente, o porto do Rio de Janeiro deve aumentar em aproximadamente 56

mil vezes o valor do inverso do resíduo, o que, ao converter no valor real da geração de
resíduos, a redução deve sair dos atuais 139.538,13 para apenas 2,48 toneladas anuais,
conforme é possível observar na Tabela 13.
Tabela 12: Índice de referência apresentado pelo modelo DEA CCR orientado a output, na análise da
eficiência da gestão dos resíduos sólidos
DMU Salvador
Aratu-candeias 0,5215
Belém 0,7894
Fortaleza 0,6067
Imbituba 0,2435
Itaguaí 1,0473
Itajaí 0,5017
Itaqui 0,6824
Natal 0,0929
Paranaguá 2,4733
Recife 0,3571
Rio de Janeiro 1,6110
Rio Grande 2,2788
Salvador 1,0000
Santos 5,9759
São Francisco do
0,6859
Sul
Suape 1,6592
Vila do Conde 0,8219
Vitória 1,2708
São Sebastião 0,0731
Ao analisar a eficiência da gestão dos resíduos sólidos do porto de Santos foi possível
constatar sua ineficiência diante dos demais portos analisados. Os índices de eficiências
padrão e invertida foram zero e 100%, respectivamente (Tabela 10). O modelo DEA atribuiu
peso de 16,99 e 7,88, respectivamente, nas variáveis de atracação e no inverso da geração de
resíduos sólidos, desconsiderando a movimentação de carga (Tabela 11).
92
O valor de referência do porto de Santos foi de 5,976 (Tabela 12). Para se tornar eficiente, o
porto de Santos deve aumentar o valor do inverso do resíduo em cerca de 118 mil vezes, dos
atuais 0,13 para 14.969,70. Ao converter no valor real da geração de resíduos, a quantidade
de resíduos sólidos gerados deve sair dos atuais 78.837,62 para apenas 0,67 toneladas anuais
(Tabela 13).
Além disto, o modelo indica que há uma folga de 75,96% na quantidade de carga
movimentada, ou seja, o porto deve reduzir dos atuais 99 milhões de toneladas,
aproximadamente, para pouco mais de 23 milhões de toneladas. Entretanto, a redução desta
variável implicaria na perda de produtividade do porto, o que não é razoável dado que esta
é a atividade fim do porto. A folga no input evidencia que há um superdimensionamento em
termos dos insumos diante da quantidade de outputs obtida.
A alteração na quantidade de cargas movimentadas no segundo estágio pode afetar os índices

de eficiências obtidos no estágio anterior. Este problema não foi observado no modelo
Network Two-Stage DEA, já que as equações deste modelo criam condições para que as
variáveis intermediárias não sofram alterações no estágio subsequente, o que não é possível
nos modelos DEA não relacionais.
93
Tabela 13: Alvos e folgas das DMUs ineficientes apresentados pelo modelo DEA CCR orientado a output, na análise da eficiência da gestão dos resíduos sólidos
Atracação 606,00 606,00 0,00 606,00 Atracação 1.872,00 1.872,00 0,00 1.872,00
Aratu-candeias Rio de Janeiro
1/RSU 51,38 1.306,40 0,00 1.306,40 1/RSU 0,07 4.035,61 0,00 4.035,61
RSU 194,64 7,65 0,00 7,65 RSU 139.538,13 2,48 0,00 2,48
Atracação 1.295,00 1.295,00 0,00 1.295,00 Atracação 2.648,00 2.648,00 0,00 2.648,00
Belém Rio Grande
1/RSU 47,54 2.791,73 0,00 2.791,73 1/RSU 139,48 5.708,49 0,00 5.708,49
RSU 210,3534 3,58 0,00 3,58 RSU 71,69 1,75 0,00 1,75
Fortaleza Salvador
1/RSU 40,08 1.519,82 0,00 1.519,82 1/RSU 2.505,01 2.505,01 0,00 2.505,01
RSU 249,48 6,58 0,00 6,58 RSU 3,99 3,99 0,00 3,99
Imbituba Santos
1/RSU 48,04 610,08 0,00 610,08 1/RSU 0,13 14.969,70 0,00 14.969,70
RSU 208,17 16,39 0,00 16,39 RSU 78.837,62 0,67 0,00 0,67
Atracação 1.217,00 1.217,00 0,00 1.217,00 Atracação 797,00 797,00 0,00 797,00
Itaguaí São Francisco do Sul
1/RSU 0,76 2.623,58 0,00 2.623,58 1/RSU 3,61 1.718,15 0,00 1.718,15
RSU 13.078,47 3,81 0,00 3,81 RSU 2.770,46 5,82 0,00 5,82
Itajaí Suape
1/RSU 52,10 1.256,82 0,00 1.256,82 1/RSU 60,70 4.156,33 0,00 4.156,33
RSU 191,94 7,96 0,00 7,96 RSU 164,75 2,41 0,00 2,41
94
Atracação 793,00 793,00 0,00 793,00 Atracação 955,00 955,00 0,00 955,00
Itaqui Vila do Conde
1/RSU 6,03 1.709,53 0,00 1.709,53 1/RSU 74,40 2.058,76 0,00 2.058,76
RSU 1.659,34 5,85 0,00 5,85 RSU 134,41 4,86 0,00 4,86
Natal Vitória
1/RSU 50,58 232,82 0,00 232,82 1/RSU 96,19 4.080,88 0,00 4.080,88
RSU 197,71 42,95 0,00 42,95 RSU 103,96 2,45 0,00 2,45
Atracação 2.874,00 2.874,00 0,00 2.874,00 Atracação 85,00 85,00 0,00 85,00
Paranaguá São Sebastião
1/RSU 0,58 6.195,70 0,00 6.195,70 1/RSU 154,89 183,24 0,00 183,24
RSU 17.094,44 1,61 0,00 1,61 RSU 64,56 54,57 0,00 54,57
Variável Atual Radial Folga Alvo

Atracação 415,00 415,00 0,00 415,00
Recife
1/RSU 212,47 894,65 0,00 894,65
RSU 47,07 11,18 0,00 11,18
95
O porto de Vitoria que foi eficiente na análise da eficiência da gestão da operação portuária.
Entretanto, na gestão dos resíduos sólidos, o porto foi o nono mais eficiente da amostra, com
um índice de eficiência padrão e invertida de 3,02% e 0,04%, respectivamente (Tabela 10).
Para isto, o modelo considerou apenas a variável inverso do resíduo (0,0104) (Tabela 11).
O modelo atribuiu índice de referência de 1,271, dado que o porto de Salvador é o único
benchmark da amostra (Tabela 12). Entretanto, para se tornar eficiente, o porto deve
aumentar o valor do inverso dos resíduos em cerca de 32 vezes, dos atuais 96,19 para
3.183,48. Ao converter no valor real da geração de resíduos, o porto de Vitória deve reduzir
cerca de 97%, dos atuais 103,96 para apenas 3,14 toneladas de resíduos sólidos anuais
(Tabela 13).
Na análise da eficiência da gestão da operação portuária, o porto de Belém se situa na

fronteira de eficiência. Entretanto, nesta análise, o porto foi o 12º mais eficiente da amostra,
cujos valores para o índice de eficiência padrão e invertida foram de 2,40% e 0,05%,
respectivamente (Tabela 10). Para isto, o modelo considerou apenas a variável inverso da
geração de resíduos (0,021) (Tabela 11).
O índice de referência (benchmark) calculado pelo modelo foi de 0,7894 (Tabela 12). Para
se tornar eficiente, o porto deve aumentar o valor do inverso da geração dos resíduos dos
atuais 47,54 para 1.977,52. Ao convertê-los nos valores reais da geração dos resíduos, a
redução é dos atuais 210,35 para apenas 5,06, uma redução de 97,60% (Tabela 13).
96
6 CONCLUSÃO
Esta dissertação realizou um estudo sobre a eficiência da gestão operacional portuária
considerando à geração de resíduos como um resultado indesejado. Para isto, foi utilizado o
método de Análise Envoltória de Dados (DEA) onde foi considerado o modelo Network
Two-Stage DEA e o modelo clássico CCR.
Diante da importância do modo de transporte marítimo, a eficiência da gestão das operações

portuárias é essencial para o desenvolvimento econômico do país, o que pode resultar numa
vantagem competitiva para o setor produtivo brasileiro frente aos seus respectivos
concorrentes internacionais.
Os apelos por procedimentos operacionais que minimizem os impactos ambientais devido

das operações de carga e descarga são cada vez mais exigidos por diversos setores da
sociedade civil, entidades públicas e privadas. Um dos principais impactos negativos
apresentados por Gobbi (2015) foi a contaminação do meio ambiente devido aos resíduos
sólidos gerados nas operações de carga e descarga e no armazenamento temporário de
cargas.
Freitas et al. (2016b) afirmam que a geração de resíduos sólidos no setor portuário não é
apenas uma questão de sustentabilidade, é um indicador de eficiência operacional, pois,
portos que geram menos resíduos, em geral, tendem a perder menos cargas durante as
operações de carga e descarga.
Diante disto, o problema desta pesquisa é analisar o desempenho dos portos, considerando a
gestão das operações portuárias e da gestão de resíduos sólidos. A hipótese adotada nesta
pesquisa foi que os portos geram menos resíduos quando sua gestão operacional é eficiente,
dado a menor perda de cargas durante à movimentação das cargas. Entretanto, a partir dos
resultados apresentados na seção 5, foi possível concluir que os portos eficientes na gestão
operacional não foram eficientes na gestão dos resíduos sólidos, sendo esta hipótese
refutada.
97
No modelo Two-Stage DEA, a eficiência global foi severamente prejudicada pelos índices
de eficiência no segundo estágio. O porto de Salvador foi o que apresentou o maior índice
de eficiência global, sendo o único benchmark no segundo estágio.
O porto de Santos, por sua vez, foi ineficiente na gestão dos resíduos sólidos por apresentar
a maior quantidade de resíduos da amostra. E, na análise da eficiência da gestão da operação
portuária, o porto apresentou índice de eficiência ruins, o que pode ser considerado também
um porto ineficiente em suas operações.
No caso do porto de Santos, a hipótese que foi refutada nesta pesquisa faria sentido pois,
assim como a gestão operacional é ineficiente, a gestão dos resíduos também foi ineficiente,
sendo que esta não foi a realidade dos demais portos.
Na análise da eficiência da gestão das operações portuárias contou apenas com uma única
variável indesejada; quantidade de resíduos sólidos gerados. Para estudos futuros,
recomenda-se que sejam consideradas outras variáveis que estejam relacionadas com a
redução da geração de resíduos nas operações portuárias, atualizar a quantidade de resíduos
gerados nos portos marítimos brasileiros e utilizar portos internacionais e nacionais.
Além disto, para estudos futuros recomenda-se aprofundar os conceitos acerca da aplicação
do modelo Network Two-Stage DEA, com o intuito de se aplicar um modelo DEA em rede
que seja possível obter os valores das folgas e dos benchmarks, cujos índices permitiriam
identificar possíveis ações a serem tomadas pelos gestores dos portos ineficientes.
98
REFERÊNCIAS BIBLIOGRÁFICAS
ACOSTA, C. M. M. Uma proposta de metodologia para análise de eficiência em portos

brasileiros: A Técnica de Análise Envoltória de Dados (DEA). Rio Grande, Brasil:
Universidade Federal do Rio Grande, 2008.
ACOSTA, C. M. M.; DA SILVA, A. M. V. DE A.; LIMA, M. L. P. DE. Aplicação de

Análise Envoltória de Dados (DEA) para medir a eficiência em portos brasileiros. Revista
de Literatura de Transportes, v. 5, n. 4, p. 88–102, 2011.
ALMAWSHEKI, E. S.; SHAH, M. Z. Technical efficiency analysis of container terminals

in the middle eastern region. The Asian Journal of Shipping and Logistics, v. 31, n. 4, p.
477–486, 2015.
ANTAQ. Agência Nacional de Transportes Aquaviários. Disponível em:

<http://web.antaq.gov.br/Portal/Anuarios/Portuario2009/termos.htm>. Acesso em: 23 abr.
2017.
ANTAQ. Agência Nacional de Transportes Aquaviários - Resolução no

3.290/2014Dispõe sobre a autorização para a construção, exploração e ampliação de
terminal de uso privado, de estação de transbordo de carga, de instalação portuária
pública de pequeno porte e de instalação portuária de turismoBrasil, 2014. Disponível
em: <http://web.antaq.gov.br/portalv3/pdfSistema/Publicacao/0000008037.pdf>

<http://web.antaq.gov.br/sistemas/sig/AreaTrabalho.asp>. Acesso em: 8 set. 2016.

<http://portal.antaq.gov.br/index.php/institucional/a-antaq/>. Acesso em: 7 set. 2017a.

<http://web.antaq.gov.br/Portal/pdf/ContratoAdesao/2017/Lista_Geral_Instalacoes_Portuar
ias_Autorizadas.pdf>. Acesso em: 22 abr. 2017b.
APPA. Administração dos Portos de Paranaguá e Antonina. Dicionário básico

portuário. 2. ed. Paranaguá: Administração dos Portos de Paranaguá e Antonina, 2011.
99
ARRUDA, C. M.; NOBRE JÚNIOR, E. F. N.; MAGALHÃES, P. S. B. Método dos
indicadores de desempenho proposto pela Antaq: uma aplicação ao terminal portuário
do Pecém. XXVIII Encontro Nacional de Engenharia de Produção - Enegep. Anais...Rio de
Janeiro, Brasil: ABEPRO, 2008Disponível em:
<http://www.abepro.org.br/biblioteca/enegep2008_tn_sto_069_496_11018.pdf>
BANKER, R. D.; CHARNES, A.; COOPER, W. W. Some models for estimating technical
and scale inefficiencies in Data Envelopment Analysis. Management Science, v. 30, n. 9,
p. 1078–1092, 1984.
BARROS, C. P.; ATHANASSIOU, M. Efficiency in European Seaports with DEA:

Evidence from Greece and Portugal. Maritime Economics & Logistics, v. 6, n. 2, p. 122–
140, 2004.
BARROS, P. H. DA C. Eficiência na operação do porto de Vila do Conde. Florianópolis:

Universidade Federal de Santa Catarina, 2013.
BERTOLOTO, R. F.; MELLO, J. C. C. B. S. DE. Eficiência de portos e terminais privados

brasileiros com características distintas. Journal of Transport Literature, v. 5, n. 2, p. 421,
2011.
BEUREN, M. M. et al. On measuring the efficiency of Brazilian ports and their management
models. Maritime Economics & Logistics, p. 1–20, 2016.
BICHOU, K.; GRAY, R. A critical review of conventional terminology for classifying

seaports. Transportation Research Part A: Policy and Practice, v. 39, n. 1, p. 75–92,
2005.
BNDES. Banco Nacional do Desenvolvimento Econômico e Social - Análise e avaliação

da organização institucional e da eficiência de gestão do setor portuário
brasileiroRelatório Consolidado. Rio de Janeiro: Booz & Company, 2012.
BRÁS, C. Metodologia Two-Stage DEA: aplicação a empresa do ramo de seguros.

Lisboa, Portugal: Instituto Politécnico de Lisboa, 2015.
BRASIL. Lei no 10.165, de 27 de dezembro de 2000altera a Lei no 6.938/1981, que dispõe

sobre a Política Nacional do Meio Ambiente, seus fins e mecanismos de formulação e
100
aplicação, e dá outras providênciasBrasília, 2000. Disponível em:
<http://www.planalto.gov.br/ccivil_03/leis/L10165.htm#art3>
BRASIL. Lei no 10.233, de 5 de junho de 2001Dispõe sobre a reestruturação dos

transportes aquaviário e terrestreBrasília, Brasil, 2001.
BRASIL. Lei no 11.518, de 5 de setembro de 2007Acresce e altera dispositivos das Leis

no 10.683/2003, 10.233/2001, 10.893/2004, 5.917/1973, 11.457/2007, e 8.630/1993, para
criar a Secretaria Especial de PortosBrasil, 2007. Disponível em:
<https://www.planalto.gov.br/ccivil_03/_ato2007-2010/2007/lei/l11518.htm>
BRASIL. Lei n 12.305, de 2 de Agosto de 2010Institui a Política Nacional de Resíduos

Sólidos; altera a Lei no 9.605, de 12 de fevereiro de 1998; e dá outras
providências.Brasil, 2010.
BRASIL. Lei no 12.379, de 6 de Janeiro de 2011Dispõe sibre Sistema Nacional de

ViaçãoBrasil, 2011. Disponível em: <http://www.planalto.gov.br/ccivil_03/_Ato2011-
2014/2011/Lei/l12379.htm>
BRASIL. Lei no 12.815, de 5 de junho de 2013Dispõe sobre a exploração direta e

indireta pela União de portos e instalações portuárias e sobre as atividades
desempenhadas pelos operadores portuários, 2013.
BRASIL. SEP/PR - Secretaria de Portos da Presidência da República. Disponível em:

<http://www.portosdobrasil.gov.br/sobre-1/institucional/base-juridica-da-estrutura-
organizacional/historico>. Acesso em: 18 set. 2016.
BRASIL. Lei no 13.341, de 29 de setembro de 2016Altera as Leis nos 10.683, de 28 de

maio de 2003, que dispõe sobre a organização da Presidência da República e dos
Ministérios, e 11.890, de 24 de dezembro de 2008, e revoga a Medida Provisória no 717,
de 16 de março de 2016.Brasil, 2016. Disponível em:
<https://dre.pt/application/file/67508032>
CÂMARA, M. T. Uma metodologia para avaliação de desempenho em infra-estruturas

de transporte concedidas: aplicação às concessões de rodovias federais brasileiras.
Brasília, Brasil: Universidade de Brasilia, 2006.
101
CARMO, T. F. DO. Proposição de indicadores para avaliação da adequação de portos
à Política Nacional de Resíduos Sólidos. Rio de Janeiro, Brasil: COPPE/UFRJ, 2015.
CERCEAU, J. et al. Implementing industrial ecology in port cities: international overview

of case studies and cross-case analysis. Journal of Cleaner Production, v. 74, p. 1–16,
2014.
CHANG, Y. T. Environmental efficiency of ports: A Data Envelopment Analysis approach.

Maritime Policy and Management, v. 40, n. 5, p. 467–478, 2013.
CHARNES, A.; COOPER, W. W.; RHODES, E. Measuring the efficiency of decision

making units. v. 2, p. 429–444, 1978.
CHEN, Y. et al. Network DEA pitfalls: Divisional efficiency and frontier projection.
International Series in Operations Research and Management Science, v. 226, n. 3, p.
507–515, 2013.
CONAMA. Ministério do Meio Ambiente - Conselho Nacional do Meio do Meio

Ambiente - Resolucão no 05, de 5 de agosto de 1993Dispõe sobre o gerenciamento de
resíduos sólidos gerados nos portos, aeroportos, terminais ferroviários e
rodoviáriosBrasilCONAMA, , 1993.
COOPER, W. W.; SEIFORD, L. M.; TONE, K. Introduction to Data Envelopment

Analysis and its use with DEA-solver Software and references. New York: Springer
Science + Business Media, Inc., 2006.
CORTEZ, L. C. S. et al. Análise de eficiência na gestão de portos públicos brasileiros em

relação ao papel das autoridades portuárias. Journal of Transport Literature, v. 7, n. 2, p.
78–96, 2013.
CRAVEIRO, G. L. Granéis sólidos no Brasil: uma aplicação da Análise Envoltória de

Dados (DEA). Brasília: Universidade de Brasília - UnB, 2015.
CULLINANE, K. et al. An Application of DEA Windows Analysis to Container Port

Production Efficiency. Review of Network Economics, v. 3, n. 2, p. 184–206, 2004.
D’AGOSTO, M. DE A. Avaliação do desempenho operacional de sistemas de
102
transportes urbanos em vias segreagadas. Rio de Janeiro, Brasil: IME, 1999.
DASGUPTA, M. K.; SINHA, D. Impact of privatization of ports on relative efficiency of

major ports of India. Foreign Trade Review, v. 51, n. 3, p. 1–23, 2016.
DOWD, T. J.; LESCHINE, T. M. Container terminal productivity: a perspective. Maritime

Policy & Management, v. 17, n. 2, p. 107–112, 1990.
DUTRA, A. Metodologia para avaliar e aperfeiçoar o desempenho organizacional:

incorporando a dimensão integrativa à MCDA construtivista-sistêmico-sinergética.
Florianópolis, Brasil: UFSC, 2003.
DUTRA, A. et al. Indicadores de avaliação do desempenho portuário: uma análise a

partir da literatura cientifica. XXXVIII Encontro Nacional da Associação Nacional de
Pós-Graduação e Pesquisa em Administração (Enanpad). Anais...Rio de Janeiro: Anais do
XXXVIII EnANPAD, 2014
DUTRA, A. et al. Opportunities for research on evaluation of seaport performance: a

systemic analysis from international literature. African Journal of Business Management,
v. 9, n. 20, p. 704–717, 2015.
EBRAHIMNEJAD, A. et al. A three-stage Data Envelopment Analysis model with

application to banking industry. Measurement, v. 49, p. 308–319, 2014.
ENSSLIN, S. R. et al. Avaliação multicritério de desempenho de portos marítimos

brasileiros: estudo de caso para apoiar à gestão do porto de São Francisco do Sul. II
Congresso Internacional de desempenho portuário - CIDESPORT. Anais...Florianópolis:
2015Disponível em: <http://www.cidesport.com.br/sites/default/files/36777.pdf>
FALCÃO, V. A.; CORREIA, A. R. Eficiência Portuária : Análise das Principais

Metodologias para o Caso dos Portos Brasileiros. Journal of Transport Literature, v. 6,
n. 4, p. 133–146, 2012.
FÄRE, R.; GROSSKOPF, S. Network DEA. Socio-Economic Planning Sciences, v. 34, p.

35–49, 2000.
FÄRE, R.; GROSSKOPF, S.; WHITTAKER, G. Network DEA. Nova York: Springer
103
Science+Business Media, LLC, 2007. v. 34
FERNANDES, R. L. Avaliação dos terminais que movimentam contêineres no Brasil

através da Análise Envoltória de Dados. Rio de Janeiro, Brasil: Universidade Federal do
Rio de Janeiro, 2010.
FONTES, O. H. P. M. Avaliação da eficiência portuária através de uma modelagem

DEA. Niterói, RJ: Universidade Federal Fluminense, 2006.
FRANCISCO, C. A. C. Uma metodologia para a análise do desempenho sustentável dos

postos de revenda de combustível na cidade de Natal/RN, com o uso de data
envelopment analysis-DEA. Natal, Brasil: Universidade Federal do Rio Grande do Norte,
2013.
FREITAS, C. D. Gestão de resíduos sólidos no porto organizado de Salvador - Bahia.

Salvador, Brasil: Universidade Federal da Bahia, 2015.
FREITAS, M. A. V. DE et al. Impactos da infraestrutura portuária na movimentação

de cargas e geração de resíduos: panorama atual e proposições futuras - Porto de
Aratu-CandeiasPrograma de Conformidade do Gerenciamento de Resíduos Sólidos e
Efluentes Líquidos nos Portos Marítimos Brasileiros. Rio de Janeiro: COPPE/UFRJ,
2016a.
FREITAS, M. A. V. DE et al. Relatório Diagnóstico: Porto de ParanaguáPrograma de

Conformidade do Gerenciamento de Resíduos Sólidos e Efluentes Líquidos nos Portos
Marítimos Brasileiros. Rio de Janeiro: COPPE/UFRJ, 2016b.
FREITAS, M. A. V. DE et al. Impactos da infraestrutura portuária na movimentação

de cargas e geração de resíduos: panorama atual e proposição futuras - Porto do Rio
de Janeiro. Rio de Janeiro: COPPE/UFRJ, 2016c.
FREITAS, M. A. V. DE et al. Relatório Diagnóstico do Porto do Rio de Janeiro -

Programa de Conformidade do Gerenciamento de Resíduos Sólidos e Efluentes
Líquidos nos Portos Marítmos Brasileiros. Rio de Janeiro: COPPE/UFRJ, 2016d.
GAUDÊNCIO, H. R. DA S. C. et al. Gerenciamento de Resíduos Sólidos: estudo de caso

em uma associação de catadores na cidade de Mossoró-RN. Ambiência, v. 11, n. 3, p. 685–
104
698, 2015.
GERHARDT, T. E.; SILVEIRA, D. T. Métodos de Pesquisa. 1. ed. Porto Alegre:

Universidade Federal do Rio Grande do Sul, 2009.
GIACOMELLO, CINTIA P.; OLIVEIRA, R. L. DE. Análise Envoltória de Dados (DEA):

uma proposta para avaliação de desempenho de unidades acadêmicas de uma universidade.
Revista GUAL, v. 7, n. 2, p. 130–151, 2014.
GOBBI, C. N. Avaliação do desempenho da gestão de resíduos plásticos em portos

brasileiros, segundo a Política Nacional de Resíduos Sólidos. Rio de Janeiro, Brasil:
Escola de Química/UFRJ, 2015.
GOBBI, G.; CARRARO, I. R.; FURLAN, J. Análise do setor portuário brasileiro:

deficiências, transformações e melhorias. Revista Espacios, v. 36, n. 4, p. 1–10, 2015.
GOES FILHO, H. DE A. Planejamento PortuárioApostila do Curso de pós-graduação

em Engenharia Portuária. Rio de Janeiro, Brasil: UFRJ, 2010.
GOMES JÚNIOR, S. F. et al. Utilização de Modelo Network DEA na avaliação de cursos

de pós-graduação Stricto Sensu em engenharia. XVII Simpósio de Pesquisa Operacional
e Logística da Marinha - SPOLM. Anais...Rio de Janeiro: SPOLM, 2014
GONZÁLEZ, M. M.; TRUJILLO, L. Reforms and infrastructure efficiency in Spain’s

container ports. Transportation Research Part A, v. 42, n. 1, p. 243–257, 2008.
GUEDES, L. E. M.; PENA, R. C. M.; GUERREIRO, A. DOS S. Análise de Eficiência dos

Terminais Portuários do Mercosul. XXII ANPET, p. 319–330, 2008.
GUEDES, L. F. DE O. Subsídios para a implantação do sistema de gestão ambiental em

portos organizados. Rio de Janeiro, Brasil: IME, 2005.
GUIMARÃES, V. DE A.; LEAL JUNIOR, I. C.; GARCIA, P. A. DE A. Environmental

Performance of Brazilian Container Terminals: A Data Envelopment Analysis Approach.
Procedia - Social and Behavioral Sciences, v. 160, p. 178–187, 2014.
GÜNER, S. Investigating infrastructure, superstructure, operating and financial efficiency

in the management of Turkish seaports using data envelopment analysis. Transport Policy,
105
v. 40, p. 36–48, 2015.
HANONES, F. F.; MONTEIRO, S. J. Proposta de avaliação de desempenho das autoridades

portuárias e de seus arrendatários: uma perspectiva regulatória. Revista Eletrônica de
Estratégia & Negócios, v. 10, n. Especial, p. 211–246, 2017.
HIRANANDANI, V. Sustainable development in seaports: a multi-case study. WMU

Journal of Maritime Affairs, v. 13, n. 1, p. 127–172, 2014.
IBGE. Instituto Brasileiro de Geografia e Estatística - Área Territorial Brasileira.

Disponível em:
<http://www.ibge.gov.br/home/geociencias/cartografia/default_territ_area.shtm>. Acesso
em: 13 jul. 2017a.
IBGE. Instituto Brasileiro de Geografia e Estatística - Diretoria de Pesquisas

Coordenação de Contas Nacionais. Disponível em:
<http://seriesestatisticas.ibge.gov.br/series.aspx?vcodigo=ST12>. Acesso em: 8 set. 2017b.
IPEA. Diagnóstico dos Resíduos Sólidos de Transportes Aéreos e Aquaviários. Brasília:

IPEA, 2012. Disponível em:
<http://ipea.gov.br/agencia/images/stories/PDFs/relatoriopesquisa/121009_relatorio_transp
ortes_aereos.pdf>.
ITOH, H. Efficiency Changes At Major Container Ports in Japan: a Window Application of

Data Envelopment Analysis. Review of Urban & Regional Development Studies, v. 14,
n. 2, p. 133–152, 2002.
JESUS, R. D. DE. Porto e meio ambiente: um estudo bibliográfico sobre os princiapais

impactos ambientais produzidos pela atividade portuária. Santos, Brasil: Universidade
Santa Cecília, 2015.
KAO, C. Efficiency decomposition in network data envelopment analysis: a relational

model. European Journal of Operational Research, v. 192, n. 3, p. 949–962, 2009.
KAO, C.; HWANG, S. Efficiency measurement for network systems: IT impact on firm
performance. Decision Support System, v. 48, n. 3, p. 437–446, 2010.
106
KAO, C.; HWANG, S.-N. Efficiency decomposition in two-stage data envelopment
analysis: an application to non-life insurance companies in Taiwan. European Journal of
Operational Research, v. 185, n. 1, p. 418–429, 2008.
KARIM, A.; ARIF‐ UZ‐ ZAMAN, K. A methodology for effective implementation of lean
strategies and its performance evaluation in manufacturing organizations. Business Process
Management Journal, v. 19, n. 1, p. 169–196, 2013.
KIRCHNER, L. H. C. Avaliação da eficiência dos terminais de contêineres através da

Análise Envoltória de Dados e do índice de Malmquist. Brasília: Universidade de Brasília
– UnB, 2013.
KOOPMANS, T. . C. Activity analysis of production and allocation. An Analysis of

Production as an Efficiency Combination of Activities. Anais...New York: John Wiley &
Sons, Inc, 1951Disponível em: <http://web.eecs.umich.edu/~pettie/matching/Cowles-
Commission-13.pdf>
KUROSAWA, R. S. DA S. Análise de sistemas de informação aplicados à gestão

portuária. São Paulo, Brasil: Universidade de São Paulo - USP, 2003.
LACERDA, S. M. Investimentos nos portos brasileiros: oportunidades da concessão da

infra-estrutura portuária: 22. Rio de Janeiro: BNDES Setorial, 2005. Disponível em:
<http://www.bndes.gov.br/SiteBNDES/bndes/bndes_pt/Galerias/Convivencia/Publicacoes/
Consulta_Expressa/Setor/Portos/200509_2.html>. Acesso em: 24 maio. 2017.
LEAL JUNIOR, I. C. Método de escolha modal para transporte de produtos perigosos

com base em medidas de ecoeficiência. Rio de Janeiro: UFRJ, 2010.
LEWIS, H. F.; SEXTON, T. R. Network DEA: Efficiency analysis of organizations with

complex internal structure. Computers and Operations Research, v. 31, n. 9, p. 1365–
1410, 2004.
LIANG, L.; COOK, W. D.; ZHU, J. DEA Models for Two-Stage Processes: Game Approach
and Efficiency Decomposition. Naval Research Logistics, v. 55, n. 7, p. 643–653, 2008.
LIMA, R. F. C. Procedimento para avaliação do desempenho operacional de centros de

distribuição. Rio de Janeiro, Brasil: IME, 2004.
107
LINS, M. P. E. P. E.; MEZA, L. A. L. A. Análise Envoltória de Dados: perspectivas de
integração no ambiente do apoio à decisão. Rio de Janeiro: COPPE/UFRJ, 2000.
LOPES, A. C. L. Metodologia Network DEA: Aplicação ao setor bancário. Lisboa,

Portugal: Instituto Politécnico de Lisboa, 2016.
LUZ, E. M. Análise do Indicador de Produtividade dos Movimentos por Hora como

uma medida no sistema de Desempenho Portuário. Um Estudo de Caso no porto de
Itapoá. II Congresso Internacional de desempenho portuário - CIDESPORT.
Anais...Florianópolis: 2015Disponível em:
<http://www.cidesport.com.br/sites/default/files/36908.pdf>
MAGRINI, A. ET AL. Nota técnica sobre a legislação e melhores práticas de gestão

ambiental nos portos marítimos brasileirosPrograma de Conformidade do
Gerenciamento de Resíduos Sólidos e Efluentes Líquidos nos Portos Marítimos
Brasileiros. Rio de Janeiro: COPPE/UFRJ, 2012.
MARTINEZ-BUDRÍA, E. et al. A study of the efficiency of spanish port authorities using

Data Envelopment Analysis. International Journal of Transport Economics, v. 26, n. 2,
p. 237–253, 1999.
MDIC. Ministério da Indústria Comércio Exterior e Serviços - ALICEWEB. Disponível

em: <http://aliceweb.mdic.gov.br//menu/index/id/21>. Acesso em: 7 jun. 2017.
MELLO, J. C. C. B. S. DE et al. Curso de Análise Envoltória de Dados. Simpósio

Brasileiro de Pesquisa Operacional. Anais...2005
MEZA, L. A. et al. ISYDS- Integrated System for Decision Support (SIAD - Sistema
Integrado de Apoio a Decisão): a software package for data envelopment analysis model.
Pesquisa Operacional, v. 25, n. 3, p. 493–503, 2005.
MICHAELIS. Moderno dicionário da lingua portuguesa. 5. ed. São Paulo: Cia

Melhoramentos de São Paulo, 1998.
MILANI, P. et al. Análise da relação entre modelo de gestão portuária e eficiência em portos
de contêineres. Revista Gestão Industrial, v. 11, n. 2, p. 1–25, 2015.
108
MINATO, E. Avaliação de produtividade de uma indústria na linha do tempo
utilizando DEA (Data Envelopment Analysis). Florianópolis: Universidade Federal de
Santa Catarina - UFSC, 2006.
MONIÉ, F.; VIDAL, S. M. D. S. C. Cidades, portos e cidades portuárias na era da integração

produtiva. RAP Rio de Janeiro, v. 40, n. 6, p. 975–995, 2006.
MONTEIRO, P. C. Análise de desempenho em terminais de contentores portuários.

Lisboa: Instituto Superior Técnico, 2015.
MTE. Ministério do Trabalho e Emprego - Manual do Trabalho Portuário e

Ementário. Brasília: Secretaria de Inspeção do trabalho - SIT, 2001.
MTPAC. Ministério dos Transportes, Portos e Aviação Civil - Transporte Aquaviário.

Disponível em: <http://www.transportes.gov.br/transporte-aquaviario-relevancia.html>.
Acesso em: 8 ago. 2017.
NASCIMENTO, S. DO et al. Mapeamento dos indicadores de desempenho organizacional

em pesquisas da área de Administração, Ciências Contábeis e Turismo no período de 2000
a 2008. Revista de Administração, v. 46, n. 4, p. 373–391, 2011.
NGUYEN, H.-O. et al. Measuring port efficiency using bootstrapped DEA: the case of
Vietnamese ports. Maritime Policy & Management, v. 43, n. 5, p. 644–659, 2015.
OLIVEIRA, C. M. Gestão ambiental portuária: uma análise sobre as políticas de

mitigação e adaptação dos impactos socioambientais impostos às comunidades
pesqueiras tradicionais. Salvador: Universidade Federal da Bahia, 2015.
OLIVEIRA, M. F. DE. Metodologia do trabalho científico: um manual para a realização

de pesquisas em Administração. Catalão, Brasil: Universidade Federal de Goiás, 2011.
OMRANI, H.; KESHAVARZ, M. A performance evaluation model for supply chain of

shipping company in Iran: an application of the relational network DEA. Maritime Policy
& Management, v. 43, n. 1, p. 121–135, 2015.
PAIVA, D. M. E. DE. Análise da Eficiência Ambiental e Operacional dos Portos

Brasileiros Exportadores de Soja. Rio de Janeiro, Brasil: UFRJ, 2015.
109
PALLIS, A. A.; PAPACHRISTOU, A. A.; PLATIAS, C. Environmental policies and
practices in Cruise Ports: Waste reception facilities in the Med. SPOUDAI Journal of
Economics and Business, v. 67, n. 1, p. 54–70, 2017.
PEREIRA, S. L. et al. Management of Port Solid Waste Framework. International Journal

of Energy and Enviroment, v. 8, 2014.
PIRES, G. C.; SILVA, V. M. D. Análise da Eficiência Portuária usando a Metodologia

da Análise Envoltória de Dados ( DEA ). III Congresso Internacional de desempenho
portuário - CIDESPORT. Anais...Florianópolis: 2016Disponível em:
<http://www.cidesport.com.br/sites/default/files/a52694.pdf>
PIRES, J. S. A eficiência técnica dos portos e terminais públicos e privados brasileiros

marítimos no período de 2010 a 2014. Distrito Federal: UnB, 2016.
PROVDANOV, C. C.; FREITAS, E. C. DE. Metodologia do trabalho científico: métodos

e técnicas da pesquisa e do trabalho acadêmico. 2. ed. Nova Hamburgo: Feevale, 2013.
RIOS, C. O. Mensuração de eficiência: um novo exame aplicado aos portos públicos

brasileiros. Porto Alegre: PUC-RS, 2015.
RIOS, L. R. Medindo a eficiência relativa das operações dos terminais de contêineres

do Mercosul. [s.l.] UFRGS, 2005.
RIOS, L. R.; MAÇADA, A. C. G.; BECKER, J. L. Análise da Eficiência das Operações nos
Terminais de Contêineres do Mercosul. XXVIII EnANPAD, p. 1–14, 2004.
ROCHA, C. A. F. DA. Gerenciamento dos resíduos sólidos em ambiente portuário -

Porto do Recife/PE. Recife, Brasil: Univerdade Federal de Pernambuco, 2016.
ROLL, Y.; HAYUTH, Y. Port performance comparison applying data envelopment analysis
(DEA). Maritime Policy and Management: The Flagship Journal of International
Shipping and Port Research, v. 20, n. 2, p. 153–161, 1993.
RUBEM, A. P. DOS S.; BRANDÃO, L. C.; MELLO, J. C. C. B. S. DE. Avaliação de

unidades portuárias brasileiras com análise envoltória de dados e método de Copeland.
Revista Transportes, v. 23, n. 4, p. 31–41, 2014.
110
RUBEM, A. P. DOS S.; BRANDÃO, L. C.; MELLO, J. C. C. B. S. DE. Avaliação de
unidades portuárias brasileiras com análise envoltória de dados e o método multicritério
ordinal de Copeland. Revista Transportes, v. 23, n. 4, p. 31–41, 2015.
SANTANA, M. M. A.; CUTRIM, S. S.; ROBLES, L. T. Gestão de operações portuárias:

conflitos, sobreposições e disfunções. XVIII Simpósio de Administração da Produção,
Logística e Operações Internacionais - SIMPOI 2015. Anais...São Paulo: FGV EAESP,
2015Disponível em:
<http://www.simpoi.fgvsp.br/arquivo/2015/artigos/E2015_T00198_PCN49521.pdf>
SANTOS, E. M. DOS. Processo para a avaliação de desempenho logístico: uma

ferramenta para a cadeia de suprimentos. Recife, Brasil: Universidade Federal de
Pernambuco, 2013.
SANTOS, I. DE A. DOS; KITZMANN, D. I. S. A educação ambiental no gerenciamento

costeiro - estudo de caso no porto do Rio Grande. Revista Contribuciones a las Ciencias
Sociales, p. 1–12, 2016.
SANTOS, K. G. B. DOS. Aplicação do modelo Network DEA na avaliação de

desemepnho dos núcelos de inovação tecnológica. Natal, Brasil: Universidade Federal do
Rio Grande do Norte, 2015.
SEIFORD, L. M.; ZHU, J. Profitability and marketability os the top 55 U.S. commercial
banks. Management Science, v. 45, n. 9, p. 1270–1288, 1999.
SEP/PR. Secretaria de Portos da Presidência da República - Apresentação em

Audiência PúblicaBrasília, BrasilSEP/PR, , 2010.
SEXTON, T. R.; LEWIS, H. F. Two-Stage DEA: An Application to Major League Baseball.

Journal of Productivity Analysis, v. 19, p. 227–249, 2003.
SILVA, F. G. F. DA et al. Análise exploratória da eficiência produtiva dos portos brasileiros.

Transportes, v. 19, n. 1, p. 5, 2011.
SILVA, V. G. DA. Sustentabilidade em Portos Marítimos Organizados no Brasil:

Discussão para Implantação de um Sistema de Indicadores de Desempenho Ambiental.
Rio de Janeiro, Brasil: COPPE/UFRJ, 2014.
111
SILVEIRA, I. H.; MATOS, K. H. O. DE; LACERDA, M. Modelo de avaliação do
desempenho da gestão do setor portuário brasileiro. E-Tech Atualidades Tecnológicas
para Competitividade Industrial, v. 5, n. 1, p. 120–140, 2012.
SILVEIRA, R. V. Mensuração da Eficiência dos Terminais Portuários Brasileiros via

Análise Envoltória de Dados. Rio de Janeiro, Brasil: Universidade Federal do Rio de
Janeiro, 2009.
SOARES, B. G. DA S. et al. SIMDEA - Sistema integrado de modelagens em análise

envoltória de dados. XLIX Simpósio Brasileiro de Pesquisa Operacional.
Anais...Blumenau, Brasil: 2017
SONG, L.; GEENHUIZEN, M. VAN. Port infrastructure investment and regional economic
growth in China: Panel evidence in port regions and provinces. Transport Policy, v. 36, p.
173–183, 2014.
SOUSA JÚNIOR, J. N. C. DE. Avaliação da eficiência dos portos utilizando Análise

Envoltória de Dados: Estudo de caso dos portos da região nordeste do Brasil. Fortaleza,
Brasil: Universidade Federal do Ceará, 2010.
SOUZA, B. DE L. A. Mensurando a eficiência do Judiciário brasileiro: uma abordagem

DEA em dois estágios. Brasília, Brasil: Universidade de Brasília, 2015.
TISCOSKI, J. DA S. Análise da eficiência operacional portuária, por meio da Análise

Envoltória de Dados: um estudo de caso dos complexos portuários públicos
movimentadores de granéis sólidos agrícolas. Florianópolis: Universidade Federal de
Santa Catarina, 2016.
TONGZON, J. Efficiency measurement of selected Australian and other international ports

using Data Envelopment Analysis. Transportation Research Part A: Policy and Practice,
v. 35, n. 2, p. 107–122, 2001.
TONOLLI, F. M. et al. As implicações da lei no 12.815/2013 na governança do setor

portuário brasileiro pela ótica dos usuários. Revista Gestão Industrial, v. 11, n. 1, p. 166–
190, 2015.
TORRES, B. G. et al. Análise de eficiência dos portos brasileiros: uma abordagem pelo
112
método Network DEA. XXX Congresso de Pesquisa e Ensino em Ttransportes - ANPET.
Anais... Rio de Janeiro: ANPET, 2016 Disponível em:
<http://www.anpet.org.br/xxxanpet/site/anais_busca_online/documents/2_383_AC.pdf>
TORRES, B. G.; MELLO, J. C. B. S. DE; ALMEIDA, M. R. DE. Representação

bidimensional do Network DEA: um estudo de caso com avaliação de docentes. XLIX
Simpósio Brasileiro de Pesquisa Operacional. Anais...Blumenau: 2017
TSCHAFFON, P. B.; MEZA, L. A. Um Estudo de outputs indesejáveis em DEA com

aplicação no setor de distribuição de energia elétrica. XLIII Simpósio Brasileiro de
Pesquisa Operacional, p. 533–544, 2011.
UNCTAD/RMT. United Nations Conference on Trade and Development - Review of

Maritime Transport. Nova York e Genebra: Nações Unidas, 2016.
VALENTINE, V. F.; GRAY, R. The measurement of port efficiency using Data

Envelopment Analysis. Proceedings of the 9th World Conference on Transport
Research, 2001.
VALOIS, N. A. L. DE. Proposição Do Uso De Indicadores Ambientais Na Avaliação De

Desempenho De Portos Brasileiros. Recife, Brasil: Universidade Federal de Pernambuco,
2009.
VASCONCELLOS, F. A. Gestão de resíduos gerados em ambiente portuário. Santos,

Brasil: UNISANTOS, 2006.
VIANNA JÚNIOR, E. DE O. Modelo de gestão e automação dos portos brasileiros. São

Paulo, Brasil: Uuniversidade de São Paulo - USP, 2009.
VIEIRA, G. B. B. Modelo de governança aplicado a cadeias logístico-portuárias. Porto

Alegre, Brasil: Universidade Federal do Rio Grande do Sul, 2013.
VIEIRA, G. B. B. et al. Avaliação da eficiência portuária utilizando a Análise Envoltória de

Dados: um estudo dos terminais de contêineres dos portos da região sul do Brasil. Revista
Gestão Industrial, v. 10, n. 4, p. 793–809, 2014.
WANG, D.; ZHAO, Y. Research on quantitative evaluation indicator system of seaport
113
sustainable development. OCEANS 2016 - Shanghai, p. 1–8, 2016.
WANKE, P. F. Physical infrastructure and shipment consolidation efficiency drivers in

Brazilian ports: A two-stage network-DEA approach. Transport Policy, v. 29, p. 145–153,
2013.
WORLD BANK. Port Reform Toolkit. 2. ed. Washington: World Bank, 2007.
YUNTING, T. The study on human resource management performance evaluation based on

Data Envelopment Analysis and Analytic Hierarchy Process. International Journal of
Digital Content Technology and its Applications, v. 6, n. 14, p. 256–265, 2012.
ZARY, B. C. DA S. Procedimeno de auxílio ao estudo de viabilidade técnica, econômica

e ambiental de projetos de transporte urbano coletivo. Rio de Janeiro, Brasil: IME, 2015.
114

Análise Da Eficiência Da Geração de Resíduos Sólidos No Âmbito Da Gestão Portuária: Um Estudo Dos Portos Marítimos Brasileiros

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Análise Da Eficiência Da Geração de Resíduos Sólidos No Âmbito Da Gestão Portuária: Um Estudo Dos Portos Marítimos Brasileiros

Enviado por

Direitos autorais:

Formatos disponíveis

ANÁLISE DA EFICIÊNCIA DA GERAÇÃO DE RESÍDUOS SÓLIDOS NO

ÂMBITO DA GESTÃO PORTUÁRIA: UM ESTUDO DOS PORTOS MARÍTIMOS

Breno Tostes de Gomes Garcia

Dissertação de Mestrado apresentada ao Programa

Orientadores: Marcelino Aurélio Vieira da Silva

O desenvolvimento desta dissertação só foi possível graças à um seleto grupo de pessoas

Tão importante quanto, gostaria de agradecer aos meus orientadores. Ao Marcelino

Igualmente importantes foram os amigos do IVIG, presentes no cotidiano de trabalho,

Devo também agradecimentos aos funcionários e professores do PET, à Jane e a Dona